优化的低秩矩阵算法运动目标检测研究

发布时间：2023-05-19 03:22

　　随着科学技术的飞速发展,与机器视觉相关的智能交通、智能安防以及近年来迅速发展起来的智能家居等高科技技术已经广泛影响着人们的生活。目标检测作为机器视觉领域中的关键技术之一,一直以来都受到相关学者的高度关注。通常,目标检测是将视频序列中有相对移动的目标提取出来,提取的结果直接影响对视频后续的分析、识别和处理等工作的质量。研究运动目标区域的准确提取始终是视频运动目标检测问题中关注的焦点。本文重点围绕基于低秩矩阵分解背景建模方法,展开视频运动目标检测研究,提出了时间连续性约束的优化低秩矩阵背景建模方法,并将其应用于视频运动目标检测,提高视频运动目标检测的准确度;进一步针对实际应用中普遍存在的运动目标阴影问题,提出采用融合纹理与颜色特征的目标阴影检测方法,有效去除投射阴影对运动目标提取的影响,进一步提升运动目标检测精度。本文的工作主要体现在以下三个方面:1.学习常用的运动目标检测方法,主要包括帧间差分法、光流法和背景减除法,并分别数值实现和对比分析了几种有代表性的方法。特别深入研究了背景减除法中的低秩矩阵分解背景建模方法,指出时间连续性约束在低秩矩阵分解模型应用于视频运动目标检测中的重要性。2....

【文章页数】：83 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 本文主要工作
    1.4 本文内容安排
第二章 常用的运动目标检测方法
    2.1 帧间差分法
    2.2 光流法
    2.3 背景减除法
        2.3.1 高斯模型背景建模
        2.3.2 低秩矩阵分解背景建模
    2.4 本章小结
第三章 优化的低秩矩阵运动目标检测方法
    3.1 低秩矩阵分解运动目标检测方法
        3.1.1 低秩矩阵分解理论
        3.1.2 低秩矩阵分解算法
        3.1.3 低秩矩阵分解运动目标检测
    3.2 优化的低秩矩阵运动目标检测
    3.3 实验结果与分析
    3.4 本章小结
第四章 纹理融合颜色的目标阴影检测方法
    4.1 阴影的形成与特点
    4.2 常用的阴影检测方法
    4.3 纹理融合颜色的目标阴影检测方法
        4.3.1 HSV颜色空间阴影检测方法
        4.3.2 改进的N-LBP算子阴影检测方法
        4.3.3 N-LBP纹理融合颜色的目标阴影检测方法
    4.4 实验结果与分析
    4.5 本章小结
总结与展望
参考文献
攻读硕士学位期间取得的科研成果
致谢



本文编号：3819553