基于自适应混合模型的运动目标检测与跟踪算法研究

《基于自适应混合模型的运动目标检测与跟踪算法研究》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、分类号TP391.4密级公开UDC004.93学位论文编号D-10617-308-(2016)-02035重庆邮电大学硕士学位论文中文题目基于自适应混合模型的运动目标检测与跟踪算法研究英文题目ResearchonMovingObjectDetectionandTrackingAlgorithmBasedonAdaptiveHybridModel学号S130201037姓名李辉飞学位类别工学硕士学科专业计算机科学与技术指导教师李伟生教授完成日期2016年4月2日+重庆邮电大学硕士学位论文摘要摘要随着计算机视觉、图像处理等领域技术的发展，智能视频监控

2、技术也取得了长足的进步。让计算机无需人为干预自动地、准确地对视频进行分析处理，作为智能视频监控系统的核心，也日益成为相关领域内众多学者研究关注的重点。运动目标检测作为智能视频监控系统的基础支撑，其检测结果精确度对目标跟踪、目标分类、行为识别等操作有着非常重要地影响。本文首先对经典的运动目标检测算法进行分析研究，针对现有的LBSP(LocalBinarySimilarityPattern)算法对所有像素都采用相同的固定阈值计算其LBSP值从而导致基于这种思路的背景建模方法适应性差的缺点，通过比较中心像素与其邻域像素差值的标准差，为每个像素建立一个自

3、适应的阈值来计算其LBSP值，然后结合每个像素历史序列中的亮度信息，为每个像素建立一个融合了纹理信息与亮度信息的混合背景模型。进行运动目标检测时，根据当前像素与其对应的混合背景模型的比较结果对当前像素进行分类，并根据分类结果采用随机机制更新其背景模型。实验结果表明，本文方法不仅在正常外界环境下取得较好的检测结果，而且可以有效地减小动态背景、光照变化等复杂外界环境条件造成地干扰，得到较为精确的检测结果。在检测到运动目标之后，通过提取感兴趣目标的有效特征建立模板，在后续的每一帧中确定感兴趣目标（如果存在）的位置，实现对感兴趣目标的跟踪。本文在利用上述

4、的自适应混合模型检测运动目标的基础上，提取目标的ShapeContext信息来表征目标的形状轮廓信息，并建立目标模板。然后在后续帧中，提取检测到的所有前景物体的ShapeContext信息建立候选模板，将候选模板与目标模板进行匹配，筛选出相似度最高的候选模板定位目标在当前帧中的位置，并更新目标模板，实现对感兴趣目标的跟踪。实验结果证明，本文检测方法的结果能较好地保留目标的真实形状信息，提出的跟踪方法针对非刚性目标和刚性目标都有较好的跟踪效果。关键词：运动目标检测，混合背景模型，自适应LBSP，目标跟踪，ShapeContextI重庆邮电大学硕士学

5、位论文AbstractAbstractWiththedevelopmentofcomputervisionandimageprocessing,intelligentvideosurveillancetechnologyhasalsomadeconsiderablyprogress.Asthecoreofintelligentvideosurveillancesystems,makingthecomputeranalyzesthevideoautomaticallyandaccurately,hasincreasinglybecomethefoc

6、usofmanyscholarsintherelatedfields.Thedetectingresultsofmovingobjectsmakeimportantinfluencetotargettracking,classifying,andbehaviorrecognition.BasedontheanalysisforexistingLBSP(LocalBinarySimilarityPattern)algorithmwhichusesfixedthresholdforallpixelstocalculateLBSPvaluesresul

7、tingthattheadaptationofbackgroundmodelispoor,thispaperusesthestandarddeviationofdifferencevaluesbetweenthecenterpixelanditsneighboringpixelsasanadaptivethresholdvalueforeachpixeltocalculateitsLBSP.Thenbuildamixedbackgroundwhichblendspixel'stextureandbrightnessinformationandst

8、artdetectingmovingobjects.Last,classifythecurrentpixelbasedontheresu