智能视频监控：运动目标检测与阴影去除技术探索

"这篇硕士论文来自武汉理工大学，作者陈勇，导师郭金旭，主题聚焦于智能视频监控中的运动目标检测技术。" 智能视频监控技术在近年来得到了广泛关注，它结合了计算机科学、机器视觉、图像处理、模式识别和人工智能等多个领域的知识。其中，运动目标检测与提取是核心环节，关乎到后续的物体分类、事件检测和行为识别的准确性。在实际应用中，尤其是在有阴影存在的场景中，错误的检测可能导致物体误分类或跟踪失败。 论文首先深入探讨了前景区域检测与提取的方法，特别是混合高斯背景建模。尽管混合高斯模型在处理复杂背景变化上表现出色，但它面临的一个挑战是如何合理选择分割阈值。作者通过改进混合前景建模，引入新的判断条件，并采用“或”策略，有效地减少了漏检，提高了前景图像的质量。 其次，论文关注的是阴影检测与去除。阴影往往会给运动目标检测带来困扰，作者分析了HSV颜色空间去除阴影的局限性，并提出了一种基于光流法的增强策略。这种方法能够更精确地检测微弱阴影和虚影，实验验证了其在实时性和准确性上的优势。 最后，论文对CamShift跟踪算法进行了研究，分析了初始窗口大小对概率分布图的影响。为了解决非运动区域对概率分布的影响，作者提出了一个改进的CamShift算法，通过二值化前景图进一步优化概率分布图，增强了跟踪的稳定性。 这篇论文详细研究了智能视频监控中的关键技术，为运动目标检测、阴影处理和目标跟踪提供了新的思路和方法，对于提升监控系统的性能具有重要意义。