复杂动态场景背景建模与目标检测技术研究-信号与信息处理专业论文.docxVIP

万方数据 万方数据 BACKGROUND MODELING AND TARGET DETECTION IN COMPLEX DYNAMIC SCENE A Master Thesis Submitted to University of Electronic Science and Technology of China Major: Signal and Information Processing Author: Jie Pu Advisor: Prof. Zhenming Peng School : School of Optoelectronic Information 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工 作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地 方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含 为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明 确的说明并表示谢意。 作者签名： 日期： 年 月 日 论文使用授权 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁 盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文 的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或 扫描等复制手段保存、汇编学位论文。 （必威体育官网网址的学位论文在解密后应遵守此规定） 作者签名： 导师签名： 日期： 年 月 日 摘要 摘 要 运动目标检测是计算机视觉研究的一个重要方面，而背景差分法又是运动目 标检测的常用方法之一。背景差分法的关键是背景建模，只有建立良好有效的背 景图像，才能准确的检测出运动目标。背景建模方法通常有静态场景的假设前提， 但是实际中，绝对静止的背景很难获取，外界天气影响、物体周期性运动以及摄 像机自身晃动等原因都会破坏静态场景的假设前提，因此，研究动态场景下的背 景建模方法具有重要意义。 本论文在动态场景条件下，深入研究了高斯背景模型和核密度背景模型，为 了获得更好的目标检测结果，又在背景建模的基础上提出了阴影消除方法，以去 除背景差分后误检测为前景的阴影，完善目标检测性能。本论文主要研究内容为： （1）研究三种简单常用的背景模型：帧间差分、时间轴加权滤波、卡尔曼滤 波，对其原理和实现方法进行了详细阐述，通过实验仿真对三种模型的性能进行 了对比和分析，并根据它们的局限性引出了后文的高斯分布模型和核密度估计模 型。 （2）详细讨论了混合高斯分布的背景模型和核密度估计背景模型，前者属于 参数估计方法，后者属于非参数估计方法。对属于参数估计的混合高斯模型，着 重探究了参数更新问题，而对属于非参数估计的核密度估计，重点阐述了其公式 含义以及窗宽对目标检测结果的影响。 （3）提出基于整体边缘信息的阴影消除方法，并详细描述了该方法的实现流 程。将该方法与背景差分法相结合，对背景差分后的前景目标进行阴影去除，能 够得到更有效的运动目标。 （4）针对文中提到的几种方法，利用 Matlab 进行实验仿真，分析及讨论各方 法的性能优缺点。 关键词：混合高斯分布，核密度估计，背景建模，阴影消除，运动目标检测 I ABSTRACT ABSTRACT Moving object detection is an important aspect of computer vision. Background subtraction is one of the commonly used methods of moving object detection. The key of background subtraction is background modeling. A good and effective background image is the safeguard of accurately detecting moving object. Background modeling method has the assumption of a static scene usually, but the actual background of absolute rest is difficult to obtain, the weather, periodic motion of the object, camera shake and other reasons would break the assump