论文部分内容阅读
运动目标检测的研究,已经成为计算机视觉技术中十分重要和热门的课题,在视频监控、目标跟踪、遥测遥感等领域有着广泛的应用。本文在总结前人研究成果的基础上,从背景建模的角度对运动目标检测进行了深入研究。这其中主要包括两个方面:即如何改进现有背景建模的效果,以及如何在运动场景中应用背景建模方法检测运动目标。 首先,介绍了国内外运动检测的各种方法,包括背景建模、光流法、差分法,分析各种算法的优势和缺陷以及应用场合。重点分析研究了常用的背景建模技术,特别是混合高斯背景建模(MoG)方法,并分析其优缺点。 然后,为了改进传统MoG算法的效果,本文提出一种新颖的基于多分量卡尔曼滤波的背景建模方法。算法利用卡尔曼滤波的最优估计特性,结合卡尔曼滤波原理的时间更新公式(预测)和测量更新公式(校正),构建缓慢变化的背景图像。针对算法在实际仿真中的一些不足之处,本文给出算法的四点改进,对算法进行优化。包括抑制“拖尾”现象、学习率的S函数更新机制、模型融合问题和背景阈值更新机制。为了评估算法性能,将算法应用到固定相机拍摄的视频中,实验表明算法对场景中无规律的光照和噪声以及阴影都有很好的抑制作用,对环境有更好的适应性,具有实际应用价值。 最后,将本文的算法应用到摄像机运动-目标运动模式下拍摄的户外视频中。这其中主要涉及全局运动估计、图像对齐、基于子图像法的背景建模和运动检测,以及选用适当的流形和图像融技术拼接全景图。其中背景拼接问题是关键。本文给出基于子图像的拼接方法,以改善常规方法因摄像机往复运动误差累计而导致的背景模糊。实验结果表明,算法针对在运动场景中应用也能够有效的检测出运动目标,体现了本文研究的普遍意义。