基于自适应背景减除方法的运动目标检测-计算机科学与技术专业论文.docxVIP

万方数据 万方数据 Classified Index: TP391.4 U.D.C: 004.9 Dissertation for the Master Degree in Engineering MOVING OBJECTS DETECTION BASED ON AN ADAPTIVE BACKGROUND SUBTRACTION METHOD Candidate： Shu Liu Supervisor： Prof. Yong Xu Academic Degree Applied for： Master of Engineering Speciality： Computer Science and Technology Affiliation： Shenzhen Graduate School Date of Defence： December, 2013 Degree-Conferring-Institution： Harbin Institute of Technology 哈尔滨工业大学工学硕士学位论文 哈尔滨工业大学工学硕士学位论文 摘 要 在计算机视觉领域，背景减除法被广泛应用于分割视频序列中的运动目标。 随着计算机视觉应用的高速发展，早期单纯基于时间域分割的单模态背景减除 方法已经无法满足日益复杂的场景变化。自组织背景减除（SOBS）方法采用多 个神经元共同模拟背景像素的分布，并通过递归地传播上下文实现时空域上的 结合，该方法在很多视频场景中都具有良好的检测性能。然而，自组织背景减 除方法也存在着参数设置困难，对离散背景变化适应能力差的缺点。本研究提 出了一种自适应的方法对自组织背景减除法存在的不足进行了改进。 由于自组织背景减除法过于依赖初始的参数设置，因此本研究提出的自适 应方法根据检测过程中的反馈信息自适应地调节模型更新率。该方法不需要经 验地选择校准帧，从而简化了繁琐的参数设置过程，并有效地提高了神经元的 收敛速度。 本研究分别采用基于局部梯度变化检测的像素级验证方法与基于前景轮廓 匹配的物体级验证方法解决自组织背景减除法存在的“死锁”及“鬼影”现象。 其中，像素级的验证方法能保持背景模型的空间连续性，因此该方法更加稳定。 而物体级验证方法在鬼影移除方面的效率更高，但同时完全离散的更新策略会 破坏背景模型的连续性，从而造成模型稳定性的损失。实验证明，物体级验证 方法在存在离散背景变化的视频序列中获得了更高的检测精度。然而对于稳定 变化的视频场景，像素级的验证方法则更具优势。这两种方法均能够提高自组 织背景减除方法对背景变化的自适应能力。 关键词 运动目标检测；自组织背景减除；自适应更新率调节；鬼影移除 - I - Abstract In the computer vision field, background subtraction methods are widely used in segmenting the foreground targets in video sequences. However, with the rapid development of the computer vision applications, early unimodal background subtraction methods which just rely on the temporal domain to segment objects cannot satisfy the growing complex changes of the scene. The self-organizing background subtraction adopts several neurons to model one of the background pixels. In addition, the method combines spatial information with temporal information by means of propagating context recursively. This method achieves good detection performance in many video scenes. On the other hand, the determining of the parameters is very cumbersome and the adaptability of the discrete changes in the background is inadequate. This paper proposes an adaptive meth