基于ViBe的视觉运动目标检测算法研究

发布时间：2024-04-13 17:26

　　运动目标检测是计算机视觉领域中的一项关键技术,其意义在于不仅可以应用于安防领域、自动驾驶以及智能家居系统等实际场景中,还可以为目标识别、跟踪、分割等其它计算机视觉任务提供有价值的信息。本文主要研究了以背景差分为基础的ViBe算法,并在此基础上作进一步的分析和改进,旨在提高检测算法的准确性。通过对ViBe算法的深入研究分析,发现其存在的问题主要有:易出现“鬼影”、易受光照影响、复杂背景下效果不佳等。为了解决这些问题,本文对ViBe算法作出改进,主要内容分为以下三个方面:(1)提出了结合高斯金字塔的ViBe算法的改进。首先对视频作高斯金字塔处理,并对每层视频做三帧差操作,再将每层结果进行融合。其次对ViBe算法作出改进:具体体现在初始化背景模型时采用多帧作处理;在背景更新时不再随机选择样本点更新像素值,而是选择与像素值欧氏距离最大的样本点进行更新,并对前景点进行二次判断。最后将改进ViBe算法检测的结果与高斯三帧差检测的结果进行逻辑“与”操作,进而获得更加完整的前景区域。(2)提出了融合Canny边缘检测算法的ViBe算法的改进。首先对传统的Canny算子作出改进,主要是将梯度方向扩展为八...

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 绪论
    1.1 研究背景与意义
    1.2 研究进展
    1.3 主要研究内容和组织架构
        1.3.1 主要研究内容
        1.3.2 本文组织架构
2 预备知识
    2.1 运动目标检测算法
        2.1.1 帧间差分法
        2.1.2 背景差分法
        2.1.3 光流法
        2.1.4 检测方法对比分析
        2.1.5 检测算法的难点
    2.2 图像预处理
        2.2.1 图像二值化
        2.2.2 图像滤波
    2.3 图像的形态学处理
        2.3.1 腐蚀和膨胀
        2.3.2 开运算和闭运算
    2.4 实验数据集
        2.4.1 CDnet2012数据集
        2.4.2 CDnet2014数据集
    2.5 本章小结
3 ViBe算法
    3.1 背景模型初始化
    3.2 前景检测过程
    3.3 背景模型更新
    3.4 ViBe算法存在的问题
        3.4.1 “鬼影”区域
        3.4.2 复杂背景
        3.4.3 阴影区域
    3.5 本章小结
4 结合高斯金字塔的ViBe算法的改进
    4.1 高斯三帧差
    4.2 改进的ViBe算法G-ViBe
        4.2.1 背景模型初始化的改进
        4.2.2 自适应阈值
        4.2.3 背景模型更新的改进
        4.2.4 TOM机制
    4.3 实验结果与分析
        4.3.1 “鬼影”消除对比
        4.3.2 定量评价指标对比
    4.4 本章小结
5 融合Canny边缘检测的ViBe算法的改进
    5.1 Canny边缘检测算法
    5.2 改进的Canny算子
        5.2.1 基于八方向Sobel边缘检测模板
        5.2.2 利用OTSU算法计算高低阈值
    5.3 融合Canny边缘检测的改进算法C-ViBe
    5.4 实验结果与分析
        5.4.1 “鬼影”消除对比
        5.4.2 定量评价指标对比
    5.5 本章小结
6 基于热传导的ViBe算法的改进
    6.1 自适应距离阈值
    6.2 二值图像上的热传导去噪
        6.2.1 热传导模型
        6.2.2 热方程的数值解
    6.3 图像分割和后处理
    6.4 实验结果与分析
        6.4.1 “鬼影”消除对比
        6.4.2 定量评价指标对比
    6.5 本章小结
7 总结与展望
    7.1 总结
    7.2 展望
参考文献



本文编号：3953379