人體運動識別技術研究.pdf

1、智能視頻監(jiān)控技術通常包括運動目標檢測、目標分類和識別、目標跟蹤及行為理解與描述幾個部分。其中,運動目標檢測是國內外視頻監(jiān)控領域和計算機視覺領域的重點和難點之一,作為整個監(jiān)控系統(tǒng)的底層,其目標是盡可能精確的將變化區(qū)域從視頻圖像序列中提取出來。運動目標檢測對后續(xù)高級處理具有重要的意義,其性能將直接影響到監(jiān)控系統(tǒng)的實時性、準確性和魯棒性。
　　 對視頻監(jiān)控系統(tǒng)而言,光照的突變、背景狀態(tài)的多變、目標導致的背景變化,都會使得背景的提取和更

2、新變的困難,為運動目標的精確提取制造障礙。由Stuaffer和Grimsion提出的高斯混合模型是使用率很高的經典算法之一,具有較強的抗干擾能力和良好的魯棒性。但是在有背景擾動或強噪聲時,該高斯模型就會對背景和前景的劃分不明,產生誤判。針對上述不足,通過對高斯混合模型的深入學習和分析,本文提出一種改進方法。
　　 1.改變背景模型匹配的條件
　　 在Stuaffer和Grimsion提出的高斯混合模型中,像素是否與背景模

3、型匹配的條件涉及像素、均值、方差和標準差。在模型參數(shù)更新時,容易使方差陷入偏小,在一定程度上有背景失真的情況。改進的匹配條件只涉及像素及均值,背景將會更貼近真實場景。
　　 2.為背景模型添加生存時間和重現(xiàn)頻率
　　 在經典混合高斯模型中,添加模型的生存時間和重現(xiàn)頻率。新增的參數(shù),可以保留生存時間短,但是重現(xiàn)頻率高的背景模型,這個模型可以容納高頻噪聲,例如微風吹動的樹葉或者水的流動。
　　 3.基于背景差分法的前