基于边缘检测的混合高斯运动目标检测

摘要

针对传统混合高斯运动目标检测算法在目标运动缓慢和场景背景变化剧烈时存在的检测精度低问题，提出一种基于边缘检测的混合高斯运动目标检测算法。算法通过对混合高斯运动目标检测进行参数局域自适应改进，提高其在背景变化剧烈场景的检测精度；通过对Canny算子进行多像素方向拓展，使其能够充分利用序列帧的空域信息；最终通过结合混合高斯运动目标检测和Canny边缘检测得到完整的运动目标检测结果。
　　针对混合高斯运动目标检测在背景剧烈抖动时易将抖动背景判定为前景的问题，在对背景剧烈抖动和混合高斯模型的关系进行抽象数学分析的基础上，通过采用自适应局域 K值和自适应局域背景门限的方法，使剧烈抖动像素点所对应高斯模型的背景描述能力得到提高，达到减少背景抖动虚警率的目的。
　　针对基于Canny算子的边缘检测方法存在的：高斯核选择缺少通用性、梯度相关计算偏简单、非极大值抑制准确性差等问题，在对Canny进行分析的基础上提出自适应高斯核卷积、八邻域梯度计算、多方向非极大值抑制的改进方法，使边缘检测的结果更加细致准确。
　　结合改进后的混合高斯运动目标检测算法和改进后的Canny算子边缘检测，通过前景备选区域的计算，完成对序列帧时域信息与空域信息的充分利用，最终得到准确的前景检测结果。
　　实验结果表明，与GMG、ViBe、CodeBook等参与实验的横向算法相比，本文所提出的改进算法具有最优的检测精度表现；与原算法GMM相比，本文算法检测精度在各场景测试视频中提高了16.1～42.4个百分点，精度提升效果明显。

目录

声明

第1章 绪论

1.1研究背景与研究意义

1.2国内外研究现状

1.3论文主要研究内容

1.4论文结构安排

第2章 相关算法研究

2.1图像降噪算法的研究比较

2.2 混合高斯运动目标检测算法研究

2.3 本章小结

第3章 参数局域自适应GMM

3.1 内部空洞与目标速度的关系分析

3.2 背景剧烈抖动的特点分析

3.3 高斯分布与背景抖动的关系分析

3.4 自适应局域K值

3.5 自适应局域背景门限

3.6 本章小结

第4章 多像素方向Canny算子

4.1 边缘检测的基本过程

4.2 Canny算子分析

4.3 自适应高斯核卷积

4.4 八邻域梯度计算

4.5 多方向非极大值抑制

4.6 本章小结

第5章 基于边缘检测的混合高斯运动目标检测

5.1 EDGMM总体思路

5.2 前景备选区域

5.3 结合处理

第6章 算法实验与分析

6.1 实验总述

6.2 参数设定

6.3 实验效果图比对

6.4 算法速度比较

6.5 算法准确度比较

6.6 本章小结

第7章 总结和展望

参考文献

致谢