基于混合高斯的背景建模与阴影抑制算法研究

《基于混合高斯的背景建模与阴影抑制算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、矾北I。业入学硕士学位论文摘要在计算机视觉、智能视频监控领域，视频图像的运动目标检测结果，将对运动目标分类、跟踪及行为理解等后续处理产生重要影响。对运动目标进行有效分割是序列图像分析的基础性工作，是当今国内外学者研究的热点问题。本文对复杂场景的背景建模与运动目标检测进行了较为深入的研究，并着重研究了应用广泛的混合高斯背景模型与运动目标检测中的阴影抑制问题。本文的主要工作如下：1．针对混合高斯模型理论分析不系统，算法之间相互比较不全面等问题，在分析总结大量参考文献的基础上．对混合高斯模型进行了比较系统的推导、实验与分析。2．在大量实验的基础上，对现有的几种背景建模典型

2、算法，从处理速度、对计算机内存的需求、运动目标检测效果三方面进行比较，给出了比较结论。3．对国内外目前主流的阴影检测与抑制算法进行了系统研究，并进一步完成了分类比较与实验分析。4．针对混合高斯背景模型计算量大、实时性较差的问题，提出一种快速的混合高斯背景建模算法，该算法根据各像素点颜色值出现的混乱程度不同采取不同的高斯函数参数更新机制，大量实验表明，该算法能在保证背景建模与运动rd标检测效果的同时，使混合高斯模型的处理速度有了较大提高。5．提出一种新的基于混合高斯模型的阴影抑制算法。该算法先利用阴影在HSV颜色空间的特点，判断被检测为运动前景的像素值是否为疑似阴影，

3、再用混合高斯阴影模型对所有疑似阴影值进行聚类，然后完成阴影抑制。实验结果表明，本文提出的基于混合高斯模型的阴影抑制算法可更有效地抑制阴影对运动目标检测的影响，并具有较强的实时性。关键字：背景建模，混合高斯。阴影抑制，运动目标检测竺!!!：些垒!』!之兰!!篁圣堡矍ABSTRACTIncomputervisionandintelligentvideosurveillancecommunity,thehigherlevelssuchasmovingobjectclassification，trackingandbehaviorunderstandingheavilyde

4、pendOntheresultsofmovingobjectdetection．Movingobjectdetectionisoneofthefundamentaltasksforvideoanalysis，whichisactivetopicwidelyresearchedinthe1asldecadearoundtheworld．Inthisthesis．wefoCUSonthebackgroundmodelingofcomplexenvironmentandmovingobjectdetection，andplaceemphasisonmixtureGauss

5、ianmodel(GMM)andshadowsuppressionespeciallyThemaincontributionsareasfollows：1．ToonrknowledgethatmixtureGaussianmodeltheoryisnotanalyzedsystematicallyandthevariantalgorithmsarenotcomparedeachothercomprehensively，throughanalyzingnumerousofreferencepapers，weresearchGMMthroughsystematicalt

6、heoreticalderivationandexperimentalanalysis2．Severalbackgroundmodelingalgorithmsarewidelyresearchedandanalyzedbasedonextensiveexperiments,andthemethodsarecomparedeachotherinspeed，memoryrequirementandaccuracyFinally,thecomparisonconclusionsarepresented3．Themainmethodsofshadowdetectionan

7、dsuppressionareresearchodsystematically,fttrthermore，theyareclassifiedandcomparedeachotherthroughexperimentalanalysis．4．AnimprovedmixtureGaussianbackgroundmodelingalgorithmispresentedtOreducethecompu_t．ationalCOStoftractitinnalmixtureGaussianalgorilhms．TheimprovedmixtureGaussian—base