本站原创
摘要：随着现代科学技术的进展，智能监控系统的运用越来越广泛。运动物体视觉浅析作为智能监控中的一项核心技术，它包括运动物体的检测与提取、行为识别和浅析、物体分类、事件检测等，而运动物体的检测与提取又是其中的基础和关键。视频图像的运动目标提取结果，将对运动目标分类、行为理解以及跟踪等后续图像处理产生重要的影响。对运动目标进行有效地分割是序列图像浅析的基础性工作，也是目前国内外学者探讨的热点不足。尽管人们对视频目标检测进行了广泛的探讨，并提出了许多有效的检测策略，但是针对复杂环境下的运动目标，开发出一套鲁棒的检测算法仍有着较多困难，而且对于具体的运用探讨，实时性和精确度对于后续的具体处理有着很大的影响。在本论文中，针对复杂的场景，重点探讨了基于混合高斯的背景建模算法，并对背景差法和帧差法相结合的运动目标检测不足进行了重点探讨并且实验。本论文首先介绍了目前运动目标检测中一些常用策略，主要包括帧间差分法、背景差分法以及光流法，并对背景差法及帧差法进行了详细的说明介绍。同时结合试验结果对各种运动检测策略进行了浅析，指出各自的优缺点及主要运用范围。本论文的主要工作可以分为如下几部分：1.对几种主流的运动目标检测算法进行细致的浅析探讨，主要有帧差法、背景差法以及光流法，并且对这三种策略进行了浅析比较。2.主要对基于混合高斯的运动目标检测算法进行的浅析并实验，有单高斯策略，混合高斯策略，基于分块的混合高斯策略。3.针对于混合高斯的策略，提出了一种改善案例，基于分块的混合高斯策略与帧差相融合的策略。这种算法由于是基于分块的所以有效的解决了运算量大，实时性差的不足，并且对于光照的不足提出了有效的解决案例，如果前景面积大于一定的阈值，比较前后两帧的白点的颜色直方图的H和V值的比值，通过一定的阈值条件，解决光照时候对背景模型的影响。通过对高斯模型的浅析探讨，提出了高斯模型与帧差法相融合的可行性，并予以解释说明。4.最后，对于本论文提出的算法，给予一定的实验浅析，并对于本论文中提到的策略进行了平行比较测试并图示说明。通过实验结果可知本论文的算法要比其他的运动目标检测算法无论是在时间性能上还是在检测结果上都有着一定的优势。在智能监控领域中，视频图像的运动目标检测对后续的跟踪以及行为理解等等一系列领域中都有前景很广的运用，迫使国内外的很多学者对这一方面也进行了大量的探讨，也正是这么广阔的前景促使了本论文对运动目标检测方面的深入的探讨。关键词：运动目标检测论文背景建模论文混合高斯模型论文帧差法论文
摘要4-6
Abstract6-10
第1章 绪论10-16
1.1 探讨的背景与作用10-12
1.2 国内外探讨近况12-15
1.3 本论文结构15-16
第2章 复杂情况下的运动目标检测16-25
2.1 帧间差分法16-18
2.2 背景差法18-21
2.3 光流法21
2.4 三种主流运动目标检测算法的比较21-22
2.5 光照变化22-25
第3章 高斯模型25-34
3.1 单高斯模型25-27
3.1.1 高斯模型原理25-27
3.2 混合高斯模型27-34
3.2.2 背景训练29
3.2.3 模型匹配29-30
3.2.4 背景模型更新30-34
第4章 基于混合高斯模型的改善案例的探讨34-38
4.1 基于分块的混合高斯34-35
4.2 基于分块的混合高斯与帧差相融合的策略35-38
第5章 实验结果、结论以及不足与展望38-50
5.1 实验环境38-39
5.1.1 OpenCV 介绍38-39
5.1.2 实验平台及资源39
5.2 实验结果以及结论39-48
5.3 不足以及展望48-50
致谢50-51