面向移动目标检测的天气场景建模方法-人工智能与信息处理专业论文.docx

现，考虑为不同的天气环境建立不同的场景模型。为此，本文提出了一种适用 于缓慢光照变化和快速光照变化的自回归— 纹理模型。该模型分别由适用于 平稳图像序列的自回归（Auto Regression, AR）模型和对光照变化不敏感的纹理（Texture）模型构成。其一，针对不同的户外光照变化分别建立了基于帧间像 素亮度差统计直方图的像素亮度扰动阈值，并将其引入到AR模型的快速背景 估计中。其二，设计了一种递推的最小二乘法对AR 模型进行实时地参数估计。 其三，创建了一种精确的纹理度量，用于完善针对移动目标的估计。其四，基 于亮度扰动阈值和自回归— 纹理模型（TAR）构建了像素亮度置信区间和纹 理置信区间，用于在带有户外光照变化的场景中完成移动目标检测。(5) 提出了一种基于选择注意隐喻的分段记忆模型，用于复杂背景环境的 移动目标检测。如何克服记忆容量的限制，对出现频率较低的确定背景状态建 立模型，这是所有基于背景剪除的移动目标检测算法所面临的问题。解决上述 问题的关键在于：采用何种实时检测和快速适应复杂环境变化（如不同的背景 光照变化）的背景识别方法，以及如何建立带有记忆功能的背景模型。为此， 本文提出了一种基于高斯混合模型（Gaussian Mixture Model, GMM）的分段记 忆框架，用以解决有关移动目标检测的研究所面临的除语义反馈之外的诸如背 景光照变化、背景周期