視頻背景建模算法研究.pdf

1、在視頻監(jiān)控、智能交通等領(lǐng)域，通常先檢測(cè)視頻圖像中的運(yùn)動(dòng)目標(biāo)，將檢測(cè)的結(jié)果用于目標(biāo)跟蹤、目標(biāo)分類和行為理解等后續(xù)處理。運(yùn)動(dòng)目標(biāo)檢測(cè)是視頻圖像序列分析的基礎(chǔ)和關(guān)鍵。國(guó)內(nèi)外學(xué)者對(duì)其進(jìn)行了大量的研究，至今仍是計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)之一。本文的主要工作如下：
　　（1）在復(fù)雜場(chǎng)景下進(jìn)行快速、良好的背景建模，從而進(jìn)行有效的進(jìn)行前景檢測(cè)是非常困難的，本文對(duì)其進(jìn)行了較為深入的研究和討論，并著重研究了應(yīng)用廣泛的差分算法、混合高斯背景模型、code

2、book算法和vibe算法。
　　（2）針對(duì)差分算法的不足，參考鄰域像素值的變化，對(duì)該算法進(jìn)行了改進(jìn)，增強(qiáng)了差分算法對(duì)噪聲及復(fù)雜背景的適應(yīng)性。同時(shí)，利用由vibe算法檢測(cè)到的前景圖像，對(duì)差分算法形成的“空洞”進(jìn)行有效的填充。最后將改進(jìn)后的差分算法和vibe算法得到的前景圖像做與操作，解決了差分算法的“雙影”問(wèn)題，同時(shí)也使vibe算法對(duì)“ghost”現(xiàn)象具有更快的收斂速度。選擇合適的分割閾值，則對(duì)陰影也會(huì)有一定的抑制作用。
　

3、　（3）復(fù)雜場(chǎng)景一般成多峰分布，每一個(gè)分布的像素都有其相似性。本文將CSDP聚類算法進(jìn)行改進(jìn)，在背景模型建立階段，將像素點(diǎn)進(jìn)行聚類，從而得到背景模型。為了適應(yīng)局部和全局光照的變化，在前景檢測(cè)階段本文從亮度和顏色兩個(gè)維度對(duì)像素值進(jìn)行匹配。對(duì)匹配成功的像素值進(jìn)行背景模型的更新，以適應(yīng)緩慢的背景變化。當(dāng)靜態(tài)背景模型突然發(fā)生劇烈變化時(shí)，本文的算法能夠快速對(duì)背景模型進(jìn)行更新，刪除不存在的背景，或添加新形成的背景，以解決比如車輛突然啟動(dòng)，或長(zhǎng)時(shí)間停