论文部分内容阅读
视频中的运动目标检测对于许多视频处理方面的应用有着重要的作用,而其中背景建模往往是里面不可缺少的一个部分。大部分传统的背景建模方法使用颜色或者纹理信息来进行建模,然而颜色信息对于光照的变化过于敏感而纹理信息无法将光滑的背景和前景区分开来。如何提高前景检测的准确性同时降低计算复杂度也是具有挑战性的问题。本文针对颜色信息和纹理信息各自存在的不足提出了一种新的颜色和纹理融合进行运动目标检测的框架,有效弥补了两者的不足同时又结合了它们各自的优点。为了提高运动目标检测的速度,本文又提出了一种新的基于块的单直方图背景模型,在解决动态背景等问题的同时大大加快了背景建模的速度。在复杂的视频中的结果表明了本文提出的运动目标检测方法具有快速和鲁棒的特性。本文主要贡献如下:1)提出了一种新的颜色和纹理信息融合进行运动目标检测的框架。能同时解决光照变化和光滑前景背景的问题,进一步的,本文提出的联合判决策略能在抑制背景中前景虚警的同时检测到尽可能多的有效的前景部分。2)在基于纹理的背景建模方法中,使用基于块的建模策略并对每个块建一个单直方图的背景模型,从而大大加快了背景建模的速度,同时只占用很少的内存资源,而且基于块的方法得到的运动目标检测结果相对基于像素的方法更加稳定。通过主背景模式选择策略和相应的背景概率计算方法,能在单直方图模型的条件下解决动态背景的问题和多模型的问题。3)在基于纹理的背景建模方法中使用了两层块大小的策略:在大的块上进行背景建模,使得得到的模型更加稳定,能更好的解决动态背景的问题并抑制噪声;在小的块上进行前景和背景的决策,使得前景检测更加精细,从而靠的近的运动目标不容易粘连在一起,由于小块的决策是依赖于它所属于的多个大块的,得到的结果也更具有可信度。4)提出了一种新的基于区域的前景检测性能评估方法,准则是不同的运动目标能完整的被检测出来,并且相互分离,能更直接的体现出运动目标检测性能的好坏。