基于混合高斯模型的目標檢測與陰影去除算法研究

基于混合高斯模型的目標檢測與陰影去除算法研究

ID:34100200

大小:10.52 MB

頁數(shù):67頁

時間:2019-03-03

基于混合高斯模型的目標檢測與陰影去除算法研究_第1頁
基于混合高斯模型的目標檢測與陰影去除算法研究_第2頁
基于混合高斯模型的目標檢測與陰影去除算法研究_第3頁
基于混合高斯模型的目標檢測與陰影去除算法研究_第4頁
基于混合高斯模型的目標檢測與陰影去除算法研究_第5頁
資源描述:

《基于混合高斯模型的目標檢測與陰影去除算法研究》由會員上傳分享,免費在線閱讀,更多相關內(nèi)容在學術論文-天天文庫

1、AthesissubmittedtoZhengzhouUniversityforthedegreeofMasterResearchofTargetDetectionandShadowRemoveAlgorithmBasedonGaussianMixtureByQingheShuiSupervisor:Prof.HaoliangLiMicroelectronicsandSolidStateElectronicsSchoolofInformationEngineeringApril2014原創(chuàng)性聲明本人鄭重聲明:所呈交的學位論文,是本人在導師的指導下,獨立進行

2、研究所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外,本論文不包含任何其他個人或集體己經(jīng)發(fā)表或撰寫過的科研成果。對本文的研究做出重要貢獻的個人和集體,均己在文中以明確方式標明。本聲明的法律責任由本人承擔。學位論文作者:日期:年月日學位論文使用授權聲明本人在導師指導下完成的論文及相關的職務作品,知識產(chǎn)權歸屬鄭州大學。根據(jù)鄭州大學有關保留、使用學位論文的規(guī)定,同意學校保留或向國家有關部門或機構送交論文的復印件和電子版,允許論文被查閱和借閱;本人授權鄭州大學可以將本學位論文的全部或部分編入有關數(shù)據(jù)庫進行檢索,可以采用影印、縮印或者其他復制手段保存論文和匯編本學位論文。本

3、人離校后發(fā)表、使用學位論文或與該學位論文直接相關的學術論文或成果時,第一署名單位仍然為鄭州大學。保密論文在解密后應遵守此規(guī)定。學位論文作者:日期:年月摘要運動目標檢測是計算機視覺技術領域中的重要內(nèi)容,已經(jīng)廣泛應用于智能監(jiān)控領域,目標檢測的準確率直接影響到后續(xù)的目標跟蹤和行為理解?;旌细咚贡尘敖K惴ㄊ且环N廣泛應用的經(jīng)典運動目標檢測方法,本文針對其背景模型生成速度慢的缺點,給出了新的模型參數(shù)更新方法,加快了背景生成速率;另外,為消除包含在運動前景中的光照陰影,給出一種適用于室外強光照陰影的陰影消除算法,與傳統(tǒng)的算法比較,本文算法陰影去除效果好,提高了運動目標

4、檢測的準確率;本文首先討論幀間差分法、光流法和背景減除法三種運動目標檢測算法,對比各算法優(yōu)缺點及應用場合,分析選取背景減除法中的混合高斯模型作為背景建?;痉椒?。給出了一種改進的混合高斯建模方法,該方法采用自適應學習率參數(shù)取值策略,加快了初始背景的更新速率,通過實驗仿真,本文算法能夠在前30幀建立準確的背景模型,比傳統(tǒng)算法加快了10幀;同時,在前景檢測中設定面積閾值判別有效運動區(qū)域,消除了復雜場景下的不規(guī)則干擾。針對本文算法檢測出的前景中包含光照陰影的問題,論文首先研究了基于顏色空間、顏色直方圖、色彩特征不變量的三種陰影消除方法,發(fā)現(xiàn)這三種算法對強光照的適

5、應能力不強,在強光照下對陰影的消除率不高。然后基于此問題,給出了一種基于LoG邊緣檢測的陰影去除算法,利用運動物體邊緣信息豐富而陰影區(qū)域內(nèi)部無明顯邊緣的特點,分別提取檢測出的運動前景內(nèi)部邊緣信息與二值化前景邊緣,對兩次提取出的結果做差值,最終消除光照陰影。最后的實驗結果表明,本文算法的前景檢測率和陰影去除率分別達到了88.97%和87.38%,有效的消除了光照陰影。關鍵字:運動目標檢測;混合高斯模型;高斯.拉普拉斯邊緣算子;陰影去除AbstractMovingtargetdetectiontechnology,whichhasbeenwidelyappli

6、edinintelligentmonitoring,isanimportantaspectinthefieldofcomputervisiontechnology.TheaccuracyrateofthetargetdetectiondirectlyaffectstheeffectofthefollowingtargettrackingandtheunderStandingofsubsequentacts.Asaclassicalmovingtargetdetectionmethod,Gaussianmixturebackgroundmodelingalg

7、orithmhasbeenwidelystudiedandapplied.AimingatthedisadvantageoflowspeedfortheGaussianmixturebackgroundmodelingalgorithm,thisarticle‘proposesanewbackgroundmodelparametersupdatingmethod,acceleratedthegenerationrateofthebackgroundmodel.Additionally,inordertoeliminatetheshadowscontaine

8、dintheforegroundregion,thisthesis

當前文檔最多預覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當前文檔最多預覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學公式或PPT動畫的文件,查看預覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權歸屬用戶,天天文庫負責整理代發(fā)布。如果您對本文檔版權有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內(nèi)容,確認文檔內(nèi)容符合您的需求后進行下載,若出現(xiàn)內(nèi)容與標題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。