資源描述：
《基于自適應(yīng)混合模型的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、分類號(hào)TP391.4密級(jí)公開UDC004.93學(xué)位論文編號(hào)D-10617-308-(2016)-02035重慶郵電大學(xué)碩士學(xué)位論文中文題目基于自適應(yīng)混合模型的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法研究英文題目ResearchonMovingObjectDetectionandTrackingAlgorithmBasedonAdaptiveHybridModel學(xué)號(hào)S130201037姓名李輝飛學(xué)位類別工學(xué)碩士學(xué)科專業(yè)計(jì)算機(jī)科學(xué)與技術(shù)指導(dǎo)教師李偉生教授完成日期2016年4月2日+重慶郵電大學(xué)碩士學(xué)位論文摘要摘要隨著計(jì)算機(jī)視覺、圖像處理等領(lǐng)域技術(shù)的發(fā)展，智能視頻監(jiān)控
2、技術(shù)也取得了長(zhǎng)足的進(jìn)步。讓計(jì)算機(jī)無需人為干預(yù)自動(dòng)地、準(zhǔn)確地對(duì)視頻進(jìn)行分析處理，作為智能視頻監(jiān)控系統(tǒng)的核心，也日益成為相關(guān)領(lǐng)域內(nèi)眾多學(xué)者研究關(guān)注的重點(diǎn)。運(yùn)動(dòng)目標(biāo)檢測(cè)作為智能視頻監(jiān)控系統(tǒng)的基礎(chǔ)支撐，其檢測(cè)結(jié)果精確度對(duì)目標(biāo)跟蹤、目標(biāo)分類、行為識(shí)別等操作有著非常重要地影響。本文首先對(duì)經(jīng)典的運(yùn)動(dòng)目標(biāo)檢測(cè)算法進(jìn)行分析研究，針對(duì)現(xiàn)有的LBSP(LocalBinarySimilarityPattern)算法對(duì)所有像素都采用相同的固定閾值計(jì)算其LBSP值從而導(dǎo)致基于這種思路的背景建模方法適應(yīng)性差的缺點(diǎn)，通過比較中心像素與其鄰域像素差值的標(biāo)準(zhǔn)差，為每個(gè)像素建立一個(gè)自
3、適應(yīng)的閾值來計(jì)算其LBSP值，然后結(jié)合每個(gè)像素歷史序列中的亮度信息，為每個(gè)像素建立一個(gè)融合了紋理信息與亮度信息的混合背景模型。進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)時(shí)，根據(jù)當(dāng)前像素與其對(duì)應(yīng)的混合背景模型的比較結(jié)果對(duì)當(dāng)前像素進(jìn)行分類，并根據(jù)分類結(jié)果采用隨機(jī)機(jī)制更新其背景模型。實(shí)驗(yàn)結(jié)果表明，本文方法不僅在正常外界環(huán)境下取得較好的檢測(cè)結(jié)果，而且可以有效地減小動(dòng)態(tài)背景、光照變化等復(fù)雜外界環(huán)境條件造成地干擾，得到較為精確的檢測(cè)結(jié)果。在檢測(cè)到運(yùn)動(dòng)目標(biāo)之后，通過提取感興趣目標(biāo)的有效特征建立模板，在后續(xù)的每一幀中確定感興趣目標(biāo)（如果存在）的位置，實(shí)現(xiàn)對(duì)感興趣目標(biāo)的跟蹤。本文在利用上述
4、的自適應(yīng)混合模型檢測(cè)運(yùn)動(dòng)目標(biāo)的基礎(chǔ)上，提取目標(biāo)的ShapeContext信息來表征目標(biāo)的形狀輪廓信息，并建立目標(biāo)模板。然后在后續(xù)幀中，提取檢測(cè)到的所有前景物體的ShapeContext信息建立候選模板，將候選模板與目標(biāo)模板進(jìn)行匹配，篩選出相似度最高的候選模板定位目標(biāo)在當(dāng)前幀中的位置，并更新目標(biāo)模板，實(shí)現(xiàn)對(duì)感興趣目標(biāo)的跟蹤。實(shí)驗(yàn)結(jié)果證明，本文檢測(cè)方法的結(jié)果能較好地保留目標(biāo)的真實(shí)形狀信息，提出的跟蹤方法針對(duì)非剛性目標(biāo)和剛性目標(biāo)都有較好的跟蹤效果。關(guān)鍵詞：運(yùn)動(dòng)目標(biāo)檢測(cè)，混合背景模型，自適應(yīng)LBSP，目標(biāo)跟蹤，ShapeContextI重慶郵電大學(xué)碩士學(xué)
5、位論文AbstractAbstractWiththedevelopmentofcomputervisionandimageprocessing,intelligentvideosurveillancetechnologyhasalsomadeconsiderablyprogress.Asthecoreofintelligentvideosurveillancesystems,makingthecomputeranalyzesthevideoautomaticallyandaccurately,hasincreasinglybecomethefoc
6、usofmanyscholarsintherelatedfields.Thedetectingresultsofmovingobjectsmakeimportantinfluencetotargettracking,classifying,andbehaviorrecognition.BasedontheanalysisforexistingLBSP(LocalBinarySimilarityPattern)algorithmwhichusesfixedthresholdforallpixelstocalculateLBSPvaluesresul
7、tingthattheadaptationofbackgroundmodelispoor,thispaperusesthestandarddeviationofdifferencevaluesbetweenthecenterpixelanditsneighboringpixelsasanadaptivethresholdvalueforeachpixeltocalculateitsLBSP.Thenbuildamixedbackgroundwhichblendspixel'stextureandbrightnessinformationandst
8、artdetectingmovingobjects.Last,classifythecurrentpixelbasedontheresu
