复杂环境下的鲁棒运动目标检测技术研究-蒋宇豪

《复杂环境下的鲁棒运动目标检测技术研究-蒋宇豪》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、大学生创新创业训练计划项目申报书项目名称：教务处制二O—二年三月填写说明1、凡申报大学生创新创业训练计划项目必须填写本申拫书。2、向学校报送本申报书时，一式5份，并报送申报书电子文档。3、本书应该填写完整、内容详实、表达准确，数字一律填写阿拉伯数字。4、项目开展支撑平台指支撑本项目开展的校、院级教学实验中心、科研实验室等，表中填写有关实验室名称，可以多个。5、打印格式与装订(1)纸张为A4大小，双面打印；(2)文中小标题为四号、仿宋、加黑；(3)栏内正文为小四号、仿宋；(4)左侧距边界1厘米钉2处。项目名称复杂环境下的鲁棒运动目标的检测技术研究申请

2、经费10000元起止时间2012年9月至2013年12月项目所属二级学科计算机应用技术（081203）项目开展山东科技大学科技园支撑平台项目负责人基本信息研究内容概述（限200字以内）运动目标检测技术是智能视频监控的关键步骤，但由于监控视频场景复杂，并容易受到光照、遮挡、微小扰动等多种因素的影响，这给背景建模以及在此基础上的目标检测技术带来了挑战。运动目标的检测是电脑视觉运用中的关键环节，是指对运动画面中感兴趣的物体进行获取，即获取视频序列中改变的区域，通常称之为前景物体。目前检测运动目标的方法有很多，绝大多数是对空间域信息的处理，大致可以分为背景

3、减法、时间差值法、边缘特征分割法以及光流法四种。项目创新特色概述（50字以内）主要研究基于高斯混合模型（G丽）的鲁棒背景建模及运动目标检测技术，包括局部特征表示，GMM与动态自适应统计方法的融合，背景在线更新，后期区域分析等，建立复杂环境下的鲁棒运动目标检测技术体系。项目组成员分工姓名主要研究工作及申请学分数蒋宇豪模型的建立与算法的设计，5分刘春江模型模块的规划以及算法总体的测试分析，5分一、项目简介（研究内容、目的意义、具体目标、国内外研究现状分析及评价等）近年来，随着智能监控系统的广泛使用，盗窃案件的破获率有了很大程度的提高。但一般的监控系统往

4、往只具有记录影像的功能，不具有智能报警判断等一系列功能，监控保安也不可能时刻盯着监控画面，一旦犯罪行为发生过后再调取监控影像就为时已晚了。要实现这种判断离不开对摄像头所获取的即时画面进行分析判断，由于周围环境光线亮暗的变化、天气改变等非人为因素以及摄像头品质因素等影响，降低了对运动物体侦测的准确率。通常采用的背景相减法来获取前景物的精度已经不能满足实际需要，因此有必要寻求一种精度更高、受环境因素影响最小的运动目标的判断方法。运动目标检测技术是计算机视觉领域最活跃的研究课题之一。在智能视频监控、人机交互系统、智能交通系统以及军事领域都有广泛市场前景和

5、应用价值。该技术属于计算机视觉中的低级处理部分，也是最基础的环节，其处理结果的好坏对完成视觉系统的后续工作起着至关重要的作用。然而动态背景、光照变化、阴影及遮挡等客观因素对运动检测算法会产生非常大的影响，所以在较为复杂的环境下如何快速准确的得到完整的运动目标是近年来研究的热点问题。运动目标的检测是指对运动画面中感兴趣的物体进行获取，即获取视频序列中改变的区域，通常称之为前景物体。目前检测运动目标的方法有很多，绝大多数是对空间域信息的处理，大致可以分为背景减法、时间差值法、边缘特征分割法以及光流法四种。传统的背景相减法容易受环境光线等外界因素影响。利

6、用高斯混合模型提取前景，来实现对运动目标的检测判断。建模的基本思想是从当前帧中提取前景，其目的是使背景更接近当前视频帧的背景。即利用当前帧和视频序列中的当前背景帧进行加权平均来更新背景，但是由于光照突变以及其他外界环境的影响，一般的建模后的背景并非十分干净清晰，而高斯混合模型是建模最为成功的方法之一。每个像素点要独立的建立背景模型，并且假定每个像素点的历史序列值都服从一个高斯概率密度分布。不同的像素点有不同的单高斯模型。如果这个高斯模型服从高斯概率密度分布，这个像素点被分类为背景像素点，反之，则为前景像素点。假如，每个像素点都满足三个单高斯概率密度

7、分布，这就是高斯混合模型。目前，视频监控相机大都是固定摄像头，而且监控场景在不断的变化，极为复杂，这就导致检测结果中产生大量的噪音。在当前运动目标检测研究方向，存在四个问题：对象状态转换问题；光线变化问题；复杂场景中的噪音问题：阴影问题。二、研究技术路线及可行性（一）研究技术路线1、实现背景建模背景建模技术分为两个步骤：背景模型的建立与背景模型的更新。与上面最理想的选择相对应，背景模型建立的目的就是为了得到没有运动对象的背景图像，而背景模型更新的目的就是为了使得背景图像能够不断地适应实际监控场景的变化。该项目着重于背景去除法的运用。背景去除法的思想

8、就是区分前景像素点和背景像素点，从而建立背景模型。2、通过局部特征，完成显著性特征提取SIFT是目前在图像处理领域用的最普