复杂场景中的视频运动目标检测

摘要

运动目标检测是指，监控系统自动判断视频序列中是否有运动目标，当有运动目标出现时，自动确定其位置、形状。运动目标检测是构成智能监控系统的基础环节，能否准确完整的提取运动目标，影响整个监控系统的准确性。
　　目标检测的实质就是寻找目标与背景间的特征差异，根据其特征差异来实现目标与背景的分离。背景差分法是最经典的目标检测算法之一，它的基本思想就是，首先为监控场景建立一个背景模型，然后，比较待检测视频帧与背景帧中同位置像素点的特征值，根据其特征值的差分结果提取运动目标。然而，实际应用中，环境比较复杂，常常会出现运动目标与背景颜色相近、纹理相似的情况，这种情况下，目标与背景的特征值非常接近，基于背景差分的思想难以准确完整地将运动目标从背景中分离出来;另外，背景差分法对光照变化非常敏感，光照变化会导致背景像素点的特征值跳出估计的波动范围，被误检为目标点。为此，本文给出一种背景特征识别描述与目标特征识别描述相切换的设计思想，在背景差分思想的基础之上，预存步态模板作为先验，弥补背景差分法的不足。
　　本文首先，采用高斯建模的方法对监控环境进行描述，之后基于背景差分的思想获得目标的候选区域，为了快速适应场景中的光照突变，本文确定分割阈值时采用阈值补偿的思想，对分割阈值实时更新;为了更准确的获得目标的候选区域，对目标候选区域进行后处理，即根据运动阴影的光学特性，去除候选区域中误检的阴影部分;最后，通过学习训练得到的行人目标的步态模板，进行步态预测，并根据预测模板修复由于目标与背景特征相似所导致的提取目标的缺损。
　　实验证明，本文提出的方法不仅可以有效的抑制光照的突然变化，消除运动阴影的影响，还可适用于目标与背景特征相似情况下的目标检测，提高了复杂环境中的运动目标检测准确性。

目录

声明

摘要

1 绪论

1．1 课题研究的背景和意义

1．2 国内外的研究现状

1．3 本文的研究内容

1．4 论文的组织结构

2 运动目标检测方法概述

2．1 引言

2．2 基于背景差分的目标检测

2．2．1 单高斯背景模型

2．2．2 CIMOD算法

2．3 小结

3 目标检测后处理

3．1 引言

3．2 阴影去除

3．2．1 阴影光学特性

3．2．2 基于颜色空间的阴影去除

3．2．3 实验结果分析

3．3 形态学滤波

3．4 小结

4 复杂场景中视频运动目标检测

4．1 引言

4．2 多特征融合提取运动目标

4．2．1 背景图像的获取与更新

4．2．2 特征的摄取

4．2．3 多特征的融合

4．2．4 阈值补偿算法

4．3 目标缺损修复

4．3．1 步态模板

4．3．2 步态预测

4．3．3 目标缺损修复

4．4 算法性能分析

4．4．1 比较测试实验结果分析

4．4．2 目标检测准确性定量分析

4．5 小结

5 总结与展望

5．1 课题总结

5．2 研究展望

致谢

参考文献

已发表论文、专利及科研情况