论文部分内容阅读
随着科学技术的飞速发展,视频监控系统已经被广泛的应用于国民经济和国防建设的各个领域,在人类的生产生活中发挥着巨大作用。在视频监控系统中快速且正确地检测出运动目标,对于后续进行目标跟踪、目标识别、目标分析具有重要意义,也是近年来众多学者研究的一个热点。然而,视频序列中运动目标检测由于受场景复杂性变化、噪声等影响,使得算法的设计应用面临重重困难。本文在前人研究的基础上,对视频序列中运动目标检测算法进行了探索,具体工作如下:1.针对几种运动目标检测算法,包括光流法,帧间差分法和背景减除法进行了概述,着重对背景减法中的背景建模方法进行了系统研究,主要有多帧平均法、混合高斯建模、码本算法、Vi Be等,为后续研究提供理论基础。2.针对噪声和局部运动等影响运动目标检测效果的问题,提出一种基于背景减除法的视频序列运动目标检测方法。该算法结合背景减除法和帧间差分法,对当前帧像素点的运动状态进行判断,分别对静止和运动的像素点进行替换和更新,采用最大类间方差对差分图像进行目标提取,最后使用数学形态学运算去除目标中的噪声和冗余信息。所提算法对视频序列中运动目标的检测能够克服局部运动以及噪声等问题,具有较好的准确度。3.针对复杂背景下现有算法难以处理光线变化、噪声和局部运动等问题,提出一种基于Σ-Δ背景估计和Kalman滤波的视频序列运动目标检测方法。该算法使用Σ-Δ背景估计和Kalman滤波进行背景建模,初步选取背景像素。接着,选取稳定像素点产生与实际背景相似的背景图像。通过背景差分法产生差分图像,最后用Σ-Δ背景模型对差分图像进行目标提取。通过实验仿真,采用质量评价指标对算法的有效性进行了验证和分析。结果表明,所提算法能抑制非目标物的局部运动,适应缓慢变化的光线,与其他算法相比,所提算法能完整提取运动目标,具有较高的准确度,且具有较强的鲁棒性。