基于非參數(shù)方法的局部背景建模技術(shù).pdf

1、智能視頻監(jiān)控系統(tǒng)具有廣闊的應(yīng)用和開(kāi)發(fā)前景,在該領(lǐng)域研究中,對(duì)圖像的運(yùn)動(dòng)的目標(biāo)檢測(cè)和背景分析是當(dāng)前計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)重要研究方向。運(yùn)動(dòng)目標(biāo)檢測(cè)的目標(biāo)是在視頻序列圖像中將運(yùn)動(dòng)變化目標(biāo)區(qū)域從背景圖像中提取出來(lái),以此跟蹤和分析運(yùn)動(dòng)目標(biāo)的存在,為后期的智能預(yù)測(cè)和視覺(jué)處理打下基礎(chǔ)。但由于背景圖像的動(dòng)態(tài)變化,理想不變的背景模型往往是很少存在的。如何解決對(duì)復(fù)雜場(chǎng)景下的背景建模,獲取實(shí)時(shí)的背景更新以分離背景和前景,同時(shí)對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤,這是當(dāng)前研究的

2、熱點(diǎn),也是本文的主要工作內(nèi)容。本文主要從以下兩個(gè)方面進(jìn)行闡述:
　　 (1)本文介紹了多種常規(guī)背景建模方法,并進(jìn)行了分析和比較。首先介紹了背景減法基本理論和典型的背景建模方法以及詳細(xì)的推導(dǎo),非線(xiàn)性貝葉斯預(yù)測(cè)理論,卡爾曼濾波理論和混合高斯模型的建立,對(duì)混合高斯算法作了詳細(xì)推導(dǎo),指出參數(shù)密度估計(jì)理論的不足。簡(jiǎn)述了密度估計(jì)量的基本性質(zhì)以及密度估計(jì)通用表達(dá)式,介紹常用的直方圖密度估計(jì)方法以及核密度估計(jì)方法。分析了影響估計(jì)結(jié)果的因素并給出

3、了不同情況下的密度估計(jì)結(jié)果,指出了直方圖密度估計(jì)的優(yōu)缺點(diǎn)并且分析了核密度估計(jì)的漸近收斂特性。同時(shí)還簡(jiǎn)要介紹和分析了其他兩種密度估計(jì)方法,即K近鄰法和基函數(shù)展開(kāi)法。
　　 (2)提出了一種穩(wěn)定的非參數(shù)估計(jì)背景建模算法,對(duì)影子的檢測(cè)和抑制錯(cuò)誤檢測(cè)方面進(jìn)行了實(shí)驗(yàn)和數(shù)據(jù)分析?；谇懊娴姆治龊捅容^,在實(shí)驗(yàn)中,我們將核密度估計(jì)方法與高斯混合方法進(jìn)行了簡(jiǎn)單的比較,重點(diǎn)是論證核密度估計(jì)算法的有效性。在跟蹤算法中介紹了均值偏移算法的理論知識(shí)并對(duì)其