基于GMM的视频序列运动目标检测算法研究-电机与电器专业论文.docxVIP

武汉理-丁大学硕士学位论文摘要 武汉理-丁大学硕士学位论文 摘要 智能视频监控技术在当今中国有着广阔的发展前景和可观的经济价值，所 以智能视频监控系统的开发已经成为现阶段机器视觉领域的重要的研究课题。 运动目标检测是智能视频监控系统中的基础性工作，它的成功与否直接关系到 整个监控系统的性能。运动目标检测的目的是将视频监控场景中感兴趣的区域 从背景图像中准确快速的提取出来。运动目标检测方法有很多，本文主要研究 利用混合高斯背景建模法将前景目标区域从背景图像中分割出来，并针对目前 算法中存在的问题，在提高算法准确性和实时性方面给出改进方案。本论文的 主要工作如下： 首先回顾和介绍了视频监控技术的发展历史和研究现状，并对目前智能视 频监控系统中比较常用的运动目标检测算法进行了分析比对，重点分析了光流 法、帧间差分法及背景减除法的基本原理、各自的优缺点和适用场合。同时对 背景减除法中的单高斯模型法和混合高斯模型法进行了深入的学习和研究，对 这两种算法的原理、流程、适应场合以及优缺点进行了全面透彻的分析，并通 过几组有代表性的实验，对算法的检测效果、复杂场景的适应程度、算法的复 杂度和实时性等方面进行比较，通过对算法综合性能指标的评定，验证了混合 高斯建模法的优越性，同时也认识到该算法存在的不足。 通过对混合高斯背景建模理论的学习和研究，对目前算法中存在的问题进 行了深入的探讨，经过分析得出在模型初始化和模型更新过程中，模型中的每 个参数都是互相影响的，参数取值是否合适直接影响到检测效果的好坏，为了 找到每个参数最合适的取值，论文通过大量的实验，对模型中每个参数进行讨 论分析，找到每个参数的最佳取值点，使得整个算法在准确性方面得到很大的 改进。 最后，针对混合高斯模型算法计算量大，实时性差的问题，本文对影响算 法速度的诸多因素进行了深入的讨论和分析，对算法提出了一个有效可行的改 进方案，并通过实验，验证了算法的可行性。同时，针对本文实验结果中背景 区域噪声点的分布特点，提出了用形态学中先腐蚀后膨胀的算法进行处理，具 有很好的去噪效果。 关键词：智能视频监控，运动目标检测，混合高斯模型，学习率，实时性 武汉理工大学硕十学位论文Abstract 武汉理工大学硕十学位论文 Abstract Nowadays in China,intelligent video surveillance technology has broad prospects and considerable economic value，therefore，the development of intelligent video surveillance system has become all important research topics at present machine visual field．Moving object detection is the basic work of intelligent video surveillance system，the key to its Success determines the performance of the entire monitoring system．The purpose of moving object detection is to extract the region of interest of the video surveillance from background image quickly and accurately． There are many moving object detection methods，this paper mainly studies to extract foreground image from background image using Gaussian mixture model．According to the existing problems in Gaussian mixture model，this paper propose improvement for improving the veracity and real·time of the algorithm．111e main work of this paper is as follows： Firstly,this mesis reviews and introduces the development history and research status of Video Surveillance Technology,then analyzes a