基于高斯模型的運(yùn)動(dòng)目標(biāo)的檢測(cè)

2.9萬字
自己原創(chuàng)的畢業(yè)論文，已經(jīng)通過校內(nèi)系統(tǒng)檢測(cè)，重復(fù)率低，僅在本站獨(dú)家出售，大家放心下載使用

摘要 ：視頻運(yùn)動(dòng)目標(biāo)的檢測(cè)是現(xiàn)代智能監(jiān)控系統(tǒng)的關(guān)鍵技術(shù)。本文主要在背景靜止的場(chǎng)景下，研究運(yùn)動(dòng)目標(biāo)的檢測(cè)。全文首先對(duì)傳統(tǒng)的光流法、幀間差分法和背景差分法進(jìn)行了詳細(xì)的介紹，通過分析并權(quán)衡各種方法的優(yōu)缺點(diǎn)后，采用了背景差分法來做最初的運(yùn)動(dòng)目標(biāo)檢測(cè)方法。在背景建模階段，通過混合高斯模型算法對(duì)監(jiān)控場(chǎng)景進(jìn)行背景建模。在通過對(duì)當(dāng)前混合高斯背景建模技術(shù)上存在的更新速度慢和當(dāng)前幀中具有運(yùn)動(dòng)目標(biāo)等問題進(jìn)行研究后，提出一種基于Canny邊緣檢測(cè)和混合高斯模型相結(jié)合的改進(jìn)算法，解決了初始化背景中包含的運(yùn)動(dòng)目標(biāo)會(huì)導(dǎo)致背景模型建立不準(zhǔn)確和環(huán)境微變下的噪音問題，在差分獲取運(yùn)動(dòng)目標(biāo)階段，針對(duì)混合高斯模型檢測(cè)結(jié)果受運(yùn)動(dòng)陰影影響，本文提出了一種基于混合顏色空間的陰影檢測(cè)方法，首先檢測(cè)出當(dāng)前幀圖像中的運(yùn)動(dòng)目標(biāo)，通過利用陰影的顏色屬性來判定某一被初步檢測(cè)為運(yùn)動(dòng)目標(biāo)的像素是否為陰影，若為陰影將其標(biāo)記背景像素點(diǎn)，否則標(biāo)記運(yùn)動(dòng)目標(biāo)。最后，通過在開發(fā)源碼的視覺處理庫(OpenCV)的基礎(chǔ)上實(shí)現(xiàn)了本文提出的算法，并為一個(gè)完整的系統(tǒng)，在具體的視頻流的實(shí)驗(yàn)結(jié)果表明，基于改進(jìn)的高斯算法，具有很強(qiáng)的魯棒性和較高的準(zhǔn)確性。

關(guān)鍵詞： 運(yùn)動(dòng)目標(biāo)檢測(cè)；混合高斯模型；邊緣檢測(cè)；陰影檢測(cè)與消除；顏色空間


The moving target detection based on Gauss model
Abstract: Video moving target detection is the key technology of modern intelligent monitoring systems. In this paper, in the context of static scenes, moving target detection research . First, the text of the traditional optical flow method, the inter-frame difference and background subtraction method for a detailed description , followed by a variety of methods to analyze and weigh the advantages and disadvantages of using background subtraction to do the first moving object detection methods. In the background modeling phase, through Gaussian mixture model algorithm to monitor the scene background modeling . Following the adoption of the current study Gaussian mixture background modeling technology exists to update the current frame and slow moving target with issues such as improved algorithm is proposed based on Canny edge detection and Gaussian mixture model combining solve background initialization moving targets contained in the background model will result in inaccurate and environmental noise problems under slightly changed , get moving target phase difference , the test results for the Gaussian mixture model affected by the movement of the shadows , this paper proposes a hybrid color space based on shadows detection method, first detected in the current frame image of the moving object , by using the attribute to determine the color of the shadow of a moving object is detected as the initial pixel is a shadow , the shadow will be marked if the background pixels , otherwise the movement of the target marker . Finally, on the basis of the development of visual processing source code library (OpenCV) on the realization of the proposed algorithm , and as a complete system , in particular video stream results show that the improved algorithm based on Gaussian , with strong robustness and high accuracy.

Key words：Moving target detection; Gaussian mixture model; edge detection; shadow detection and elimination; color space


目錄
第一章 緒 論 1
1.1 課題的意義及背景 1
1.2 國內(nèi)外發(fā)展動(dòng)態(tài) 2
1.2.1 運(yùn)動(dòng)目標(biāo)的檢測(cè) 2
1.2.2 陰影的檢測(cè)與消除 4
1.3 論文中主要研究?jī)?nèi)容及工作安排 5
第二章 相關(guān)技術(shù)及原理 7
2.1 圖像處理 7
2.2 Opencv概述 12
2.3 運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)論述 14
2.4 本章小結(jié) 18
第三章 基于改進(jìn)的高斯模型算法的建模 19
3.1 高斯背景模型技術(shù) 20
3.1.1 單高斯背景模型 20
3.1.2 混合高斯背景模型 21
3.1.3 改進(jìn)的高斯模型算法研究 26
3.2 運(yùn)動(dòng)陰影的檢測(cè)和消除 27
3.2.1 運(yùn)動(dòng)目標(biāo)陰影的特性介紹 27
3.2.1 陰影檢測(cè)和消除的方法介紹 28
3.2.3 基于混合顏色空間的陰影的檢測(cè)和消除 31
3.3本章小結(jié) 32
第四章 基于改進(jìn)的高斯模型的運(yùn)動(dòng)目標(biāo)檢測(cè)實(shí)現(xiàn) 33
4.1 基于改進(jìn)高斯背景建模運(yùn)動(dòng)目標(biāo)提取實(shí)現(xiàn) 33
4.1.1 邊緣圖獲取 33
4.1.2 混合高斯模型獲取運(yùn)動(dòng)區(qū)域 34
4.1.3 陰影的檢測(cè)與消除 34
4.1.4 后處理及運(yùn)動(dòng)目標(biāo)提取 36
4.2 實(shí)驗(yàn)結(jié)果及分析 36
4.3 本章小結(jié) 39
第五章 總結(jié)和展望 40
5.1 總結(jié) 40
5.2 工作展望 40
致 謝 42
參考文獻(xiàn)： 43