動(dòng)態(tài)場(chǎng)景下的背景提取算法研究.pdf

1、本文提出了一種融合顯著性的動(dòng)態(tài)場(chǎng)景背景提取算法，并把該算法運(yùn)用到復(fù)雜場(chǎng)景下的進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤。當(dāng)前國(guó)內(nèi)外科研人員和學(xué)者已經(jīng)提出了許多運(yùn)動(dòng)目標(biāo)檢測(cè)算法，其中幀差法、光流法和背景減除法為主要的算法。而背景減除法是眾多學(xué)者傾向?qū)ζ溥M(jìn)行研究的方向。背景減除法中主要的工作就是對(duì)背景進(jìn)行建模，并對(duì)背景模型實(shí)時(shí)更新，達(dá)到實(shí)時(shí)運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤的目的。而在眾多背景模型構(gòu)建算法中，大多數(shù)算法都是基于像素極的背景模型。單高斯模型、混合高斯模型、自適應(yīng)

2、模型、核密度估計(jì)模型等等都是最常用到的背景模型。
　　自然場(chǎng)景變化呈現(xiàn)多樣性及不確定性，動(dòng)態(tài)場(chǎng)景一般有幾種情況的存在：
　　1）光照強(qiáng)度及光照方向的變化；
　　2）背景中物體發(fā)生運(yùn)動(dòng)；
　　3）同一背景區(qū)域中存在不連續(xù)或周期性運(yùn)動(dòng)；
　　4）目標(biāo)在運(yùn)動(dòng)中突然停止；
　　5）目標(biāo)陰影，影響目標(biāo)的真實(shí)形狀，導(dǎo)致在目標(biāo)檢測(cè)過(guò)程中會(huì)出現(xiàn)目標(biāo)檢測(cè)錯(cuò)誤、誤將背景檢測(cè)為目標(biāo)、檢測(cè)結(jié)果噪音過(guò)多、檢測(cè)目標(biāo)存在空洞或誤將

3、陰影檢測(cè)為目標(biāo)等各種問(wèn)題的出現(xiàn)。為處理掉現(xiàn)存方法中存在的不足，眾多背景模型應(yīng)運(yùn)而生。每一種或幾種背景模型一般都可以較好的解決一種復(fù)雜場(chǎng)景帶來(lái)的問(wèn)題。同樣，核密度估計(jì)模型有不同于其他模型的特有的優(yōu)勢(shì)，該模型在背景建模過(guò)程中不需要參數(shù)選擇和更新的過(guò)程，而且不同于其他針對(duì)單個(gè)像素進(jìn)行建模的背景模型，該模型考慮到了像素與像素之間存在的空間相關(guān)性。所以在運(yùn)動(dòng)目標(biāo)檢測(cè)中可以比較完整地檢測(cè)出運(yùn)動(dòng)目標(biāo)。但是，該算法對(duì)于背景中物體的運(yùn)用比較敏感，會(huì)將部分

4、背景中的物體作為運(yùn)動(dòng)目標(biāo)檢測(cè)出來(lái)。
　　為了緩解這個(gè)問(wèn)題，本文提出了一種融合顯著性的背景提取算法。算法主要步驟是：首先對(duì)視頻序列采用核密度估計(jì)模型構(gòu)建背景模型，并對(duì)其進(jìn)行背景提取，檢測(cè)出運(yùn)動(dòng)目標(biāo)。由于背景中存在周期性運(yùn)動(dòng)，使得經(jīng)過(guò)背景提取算法檢測(cè)出的目標(biāo)包含大量背景像素。同時(shí)，檢測(cè)到的前景中的運(yùn)動(dòng)目標(biāo)可以比較完整。為了消除背景中周期性運(yùn)動(dòng)對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)產(chǎn)生的干擾，本文將顯著性區(qū)域檢測(cè)方法應(yīng)用到核密度估計(jì)背景模型中。在目標(biāo)檢測(cè)結(jié)果之