视频中前景检测和背景建模算法的研究

《视频中前景检测和背景建模算法的研究》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UDC004.9学位论文编号D-10617-30852-(2016)-02013重庆邮电大学硕士学位论文中文题目视频中前景检测和背景建模算法的研究英文题目ResearchontheAlgorithmofForegroundDetectionandBackgroundModelinginVideo学号S130231013姓名顾西存学位类别工程硕士学科专业计算机技术指导教师黄颖副教授完成日期2016年4月10日重庆邮电大学硕士学位论文摘要摘要作为计算机视觉的一个重要分支，前景检测和背景建模在图像处理中是一个重要的研究热点，也是图像预处理技术中一个

2、重要的任务，其目的是将场景中运动目标从场景中分离出来。在智能交通，视频监视，航空检测有着广泛的应用。尽管国内外大量的研究学者在此领域做了大量的研究，然而在实际场景中，由于噪声的干扰、光照的突变、背景元素、相机的抖动或者移动等因素的影响，将前景目标从背景中分离出来依然面临了很多的挑战和困难。在此背景下，本文将从静态场景和动态场景中的检测算法进行了深入的研究。静态场景是将相机固定在某个角度所采集的数据，动态场景是将相机固定在某个支点，从连续多个角度进行场景采集。本文主要考虑如何将运动目标从背景中分离出来，且在不同环境提高前景检测的鲁棒性，以及如何消除噪声的干扰和在动态场景中

3、消除背景的干扰，主要研究成果如下：1．基于帧差法，提出了一种结合代数多重网格的前景检测算法，通过研究代数多重网格算法（AlgebraicMulti-Grid）在构造粗网格算子的过程，将其应用到图像处理当中，提取图像的一系列的粗网格，并将这些粗网格进行插值，得到重构的三层图像，然后结合帧差法进行同层场景的目标检测。为了验证实验结果，本文做了原始方法的实验，作为对比。实验结果表明，本文方法在静态场景中能有效的去除噪声的干扰，从第一层到第三层的检测结果都比原始方法检测效果要好，尤其在第三层，基本去除噪声的干扰，有效提取运动目标的轮廓。2．基于代数多重网格和背景差分法进行前景检

4、测，为了验证代数多重网格能够有效的进行图像重构，本文将重构的效果应用在背景差分法中，进行运动目标检测。实验结果表明，代数多重网格重构的效果能有效的保留图像的有效信息，再利用背景差分法进行检测时，能去除噪声的影响，有效的提取出运动目标，有较高的鲁棒性。3．在动态场景中，提出一种基于全景图的方法，首先将多场景图像利用图像拼接算法形成包括全场景的全景图，以此建立背景建模。在全景图的基础上，使I重庆邮电大学硕士学位论文摘要用代数多重网格方法进行重构，然后对运动目标进行检测。实验结果表明，在全景图的基础上进行目标检测，可以消除更多冗余信息，消除相机抖动及噪声对检测结果的影响，更好

5、的对目标进行有效跟踪。关键词：前景检测，背景建模，代数多重网格，帧间差分法，背景差分法，图像拼接II重庆邮电大学硕士学位论文AbstractAbstractAsanimportantbranchofcomputervision,backgroundmodelingandforegrounddetectionisanimportantresearchtopicinimageprocessing,andit'sanimportanttaskinImagepreprocessing，thepurposeistoseparatethemovingobjectsfromthesc

6、ene.Inintelligenttransportation，videosurveillance,airdetection,ithasawiderangeofapplications.Howeverintheactualscene,duetotheinfluenceofnoise,illuminationofthemutation,backgroundelements,camerajitterormobilefactors,foregroundobjectsfromthebackgroundseparationisstillfacingalotofchallenges

7、anddifficulties.Underthisbackground,thisthesismakesadeepresearchonthedetectionalgorithmofthestaticanddynamicscenes.Thedataiscollectedbythecamerafixedatapointofviewinthestaticscene,andthedataiscollectedbythecamerafixedatapoint,Sceneacquisitionfrommultipleperspectives.Inthi