论文部分内容阅读
随着计算机技术的飞速发展,带动了智能视频监控与分析、远程视频会议与教学及运营商客服视频服务等一系列应用领域的技术创新。在这些领域中,视频序列图像的运动目标检测与提取成为研究难点,国内外学者提出并改进了许多方法,但是针对微动目标的检测算法却相对较少,对其研究具有重要的理论意义和实用价值。本文深入研究了视频序列图像中的微动目标检测算法,其研究重点是提高微动目标提取的准确性,提出了基于时空域信息的多特征ViBe背景建模和双ViBe背景建模融合运动模板的微动目标检测算法,并通过实验视频测试和量化数据分析对提出的算法进行验证,设计实现了一个微动目标提取与背景替换系统。本文的主要工作包括:1.对国内外学者提出的运动目标检测算法进行研究,同时深入研究了背景建模算法,并对部分基于背景建模的微动目标检测算法进行实验分析。2.深入研究了基于ViBe背景建模的微动目标检测算法,分析了ViBe算法的优势与不足,并对ViBe算法进行改进,提出了基于时空域信息的多特征ViBe背景建模的微动目标检测算法。利用改进的时空域纹理算子计算得到YCbCr颜色中变换后的色度信息的前景概率图。利用颜色和纹理特征建立背景模型,在目标检测时融入HSV阴影检测和前景概率图,改进背景匹配和更新方式,提高微动目标提取的精度,完成背景的准确替换。3.分析视频序列图像之间的信息关联性,为ViBe背景样本加入时间滤波,改变样本生命周期,并扩展样本存储数量改进ViBe算法的检测方式,本文提出了一种双ViBe背景建模融合运动模板的微动目标检测算法,利用上下两层背景模型检测的微动目标实时更新运动模板,通过运动目标定位与检测相结合的方式对微动目标进行提取,并利用实验测试和数据分析对算法进行了验证。4.通过对本文提出的两种微动目标检测算法进行整合,设计并实现了微动目标提取与背景替换系统,并利用实验视频对系统各功能模块进行了测试。最后,对研究工作进行了总结,并指出了后续的研究方向与思路。