论文部分内容阅读
视频流序列下的运动目标检测作为智能视频监控系统的核心组成部分,在汽车自动驾驶与辅助驾驶、视频检索、智能安防、行人跟踪、导弹预警等重要场合具有广阔的应用前景。运动目标检测目的是准确提取视频序列中感兴趣的运动区域参数,然而对于光照突变以及多个阴影干扰因素并存的复杂场景中,常用运动目标检测方法由于漏检率和误检率高而严重阻碍了应用推广。因此,研究复杂场景下的运动目标检测与阴影消除方法具有重要的理论与现实意义。本论文针对场景发生光照突变、周边树叶摆动、交通道路中车道存在强边缘以及多目标间的相互遮挡等复杂场景的运动目标检测方法进行深入研究,具体工作如下:首先在深入研究现有常用运动目标检测方法的基础上,针对在噪声、光照变化等动态背景下常用运动目标检测方法易出现空洞和虚假目标的问题,提出一种基于七帧差分和边缘差分的新型运动目标检测方法;针对复杂环境下经典混合高斯背景建模方法实时性差以及帧间差分法检测精度低的问题,提出一种基于七帧差分和改进的自适应混合高斯模型相结合的运动目标检测方法;对比仿真实验验证了所提出方法的有效性。其次深入研究了阴影消除方法。在对常用阴影消除方法掌握的基础上,针对复杂环境中的运动阴影容易被误检测为运动前景而降低检测精度的问题,本论文提出一种基于改进自适应混合高斯模型与YUV颜色空间相结合的目标检测与阴影消除方法;通过MATLAB完成阴影消除实验与结果分析,验证了本论文方法的有效性。最后设计了一个运动目标分割系统。在Visual Studio 2010和Qt Creator环境下调用OpenCv视觉库重新实现上述方法实现运动目标的检测,并提出一种改进Camshift方法实现运动目标的分割,验证了本论文研究工作的有效性。