基于运动信息和矩阵重建视频背景恢复方法-video background restoration method base on motion information and matrix reconstruction.docxVIP

目录第一章 绪论 11.1 国内外研究现状 11.2 本文的研究方法 51.3 本文的结构安排 6第二章 光流算法原理 72.1 运动场与光流场 72.2 改进的光流分析法 92.2.1 特征光流方法 102.2.2 金字塔光流方法 102.2.3 区域光流方法 112.3 LDOF 光流法概述 112.4 本章小结 12第三章 运动信息检测预处理 133.1 视频压缩编码对运动检测的影响 133.2 视频图像的采集 143.3 基于光流的运动检测 143.4 视频编码的影响分析 163.5 本章小结 17第四章 基于光流的运动信息检测 184.1 运动信息检测方法概况 184.2 背景减法 194.2.1 基于单个高斯模型的背景构建 204.2.2 基于混合高斯模型的背景构建 204.3 帧差法 214.4 基于 LDOF 光流方法的运动信息检测254.5 实验步骤及结果分析 264.6 本章小结 29第五章 基于矩阵重建的背景提取 305.1 矩阵重建简介 305.2 矩阵填充 325.2.1 矩阵填充的定义 325.2.2 矩阵填充的研究现状 335.2.3 矩阵填充的应用 355.3 矩阵恢复 365.3.1 矩阵恢复的定义 365.3.2 矩阵恢复的研究现状 365.3.3 矩阵恢复的应用 405.4 本文采用的矩阵重建方法 415.4.1 构造总权值矩阵 415.4.2 构造观测矩阵 415.4.3 矩阵重建 415.5 实验步骤及结果分析 425.6 本章小结 46第六章 总结与展望 476.1 全文工作总结 476.2 本文工作的核心内容 476.3 今后工作展望 47参考文献 49发表论文和参加科研情况说明 59致谢 60第一章 绪论相机和摄像机等成像设备在近十年间急剧增加，导致数据海量膨胀，意味着 依靠人工手动去处理数据变得不再可行。为了从视频中自动检测、储存、追踪运 动目标，研究者们提出了许多相关方法。简单的运动目标检测算法是用视频序列 里面的一个又一个的当前帧，和一个稳定的背景帧作比较。这是主流的背景提取 算法，能够规范去建立一个背景模型，然后用当前帧与之比较，当区域中有很大 区别的时候侦测出来。背景提取算法的本质是把运动目标（也就是之后提到的前 景）从稳定的或者缓慢移动的场景（称为背景）中识别出来。当一个目标开始运 动的时候开始，记录一个背景提取算法在运动中检测到的目标，以及这个背景上 面遗留的空洞。明显的是，空洞不是运动目标，是需要清除掉的。从某种意义上 来定义，背景相当于一个带有最大出现可能的，大部分时间里面数值可见的参照 系，但是这种框架并不能直接的应用于实践当中去。在室内环境下，一个稳定的背景模型有可能对于分析短暂视频序列是适用 的，该模型在大部分实际情况中效果不佳；那说明我们需要一种更复杂的模型。 而且，运动检测常常是分析场景的第一步。举例来说，运动检测出来的区域可能 是为了步态识别，人脸检测，人流计量，交通监控等而进行滤波和特征化。背景 场景的应用及其多样性，解释了无数论文针对背景提取所讨论的主题。1.1 国内外研究现状背景提取技术需要解决的问题包括对于观测图像和估计图像的比较，不包括 任何兴趣目标。该技术与背景模型（或者背景图像）有关。这种比较过程，被称 为前景侦测，它把覆盖整幅图像的像素点分为两部分：1）包含兴趣目标的前景， 2）背景，也就是其补集。像[1]中所陈述的一样，由于前景物目标的定义与应用 水平有关，很难去认定一种关于背景提取技术为―黄金水平‖。很多背景提取技术都包含很多模型和储存，以及一些关于此类问题的方法（见文献[2]-[8]）。一些算法聚焦于提出一个理想化背景提取技术的特殊需求。 根据[6]，一种背景提取技术必须适应于缓慢的或者剧烈的光照变化（时间、云 层等情况的变化）、动态变化（摄相机震动）、高频率背景对象（例如树枝树叶）、 以及背景几何变化（例如停放的车辆）。一些应用需要背景提取算法嵌入摄像机 内，这样计算负载就成为了主要问题。而且，为了监视室外场景，还需要很强的抗噪声能力和光照变化适应力。文献[19]的 ICA 模型培养描述了一种致力于对一个培养序列的的系列图像 做独立分量分析（ICA）的简单方法。由此产生的分项矢量会计算出来和新图像 进行对比，来把前景从相关的背景图像中分离出来。该方法对于室内光照变化较 为有利。一个基于分类的双级别机制在文献[10]中进行了介绍。分类方式根据要一个 图像块是否属于背景而定制。适当的对背景图像进行区域更新，然后进行第二阶 段，这取决于结果的分类。分类算法也是其他算法的组成部分之一，像在文献[11] 中提到的一样，背景模通过人工神经网络来学习其运动模式。基于压缩感知帧的算法通过学习和适应一个背景中低维的压缩表示来提取 背景[12]