基于GMM的智能視頻運動目標檢測算法研究.pdf

1、計算機視覺領域中的智能視頻監(jiān)控技術已經逐漸成為社會公共安全系統(tǒng)的核心部分。而運動目標的檢測是智能監(jiān)控系統(tǒng)中的關鍵技術，也是監(jiān)控系統(tǒng)中實現目標跟蹤、行為分析與理解以及目標分類等工作的前提。運動目標檢測的結果直接關系到監(jiān)控系統(tǒng)的智能程度。
　　 本文在了解智能視頻監(jiān)控技術的研究歷程和運動目標檢測技術的研究現狀的基礎上，對傳統(tǒng)運動目標檢測算法存在的問題和不足做了較詳細的分析，并針對現實監(jiān)控場景的復雜性，對基于混合高斯模型(Gaussi

2、anMixtureModel，GMM)的運動檢測算法做了深入的研究，繼而提出了新的改進算法。新算法不但提高了運動檢測的完整和準確性，而且增強了高斯模型對環(huán)境變化的適應性。本文的主要工作如下:
　　 (1)對運動目標檢測中常用的技術做了研究，主要有圖像的色彩空間轉換、運動檢測的前后處理和常見的運動檢測方法，給出了幀差法和背景差分法的運動檢測原理和流程，并對這兩種方法進行實驗結果對比分析，得出方法各自存在的優(yōu)缺點和適用場景。

3、　　 (2)根據場景中像素點在時域上符合高斯分布的特點，對基于單高斯(SingleGaussianModel，SGM)和GMM的運動檢測展開了詳細的研究，并對這兩種運動檢測方法的背景建模、更新以及運動檢測過程都進行了細致的分析。實驗結果表明，GMM在復雜場景下的運動檢測效果更準確。
　　 (3)利用滑動窗技術具有短暫的歷史記憶特點，提出一種新穎的基于滑動窗的GMM運動目標檢測方法。該方法彌補了傳統(tǒng)GMM存在的一個致命性的缺點:

4、隨著時間的推移，模型參數收斂緩慢且難以適應場景中真實背景的實時變化，從而導致運動目標的錯誤檢測率增加。同時方法提高了運動檢測的完整性，并進一步降低了算法對場景光照變化的敏感性。經過在多個監(jiān)控場景下的進行對比實驗，結果表明滑動窗的GMM運動檢測方法能更準確、完整地檢測出運動目標，且方法具有更好的環(huán)境適應性。
　　 (4)利用運動陰影不影響背景模型的建立和更新的特點，使用背景減除法初步確定前景區(qū)域,然后結合基于彩色空間的陰影抑制算法