基于背景减除的运动目标检测算法研究——改进的混合高斯模型

"这篇硕士学位论文主要探讨了基于背景减除的运动目标检测算法，特别是针对混合高斯模型的改进算法，旨在提高实时性和准确性。作者陈燕萍在厦门大学攻读硕士，导师余臻，2008年完成。论文研究了不同背景减除算法的性能，提出了一种新的正方形邻间像素比较算法以补偿摄像头抖动，以及一个高斯分布描述的阴影检测和抑制算法，优化了后处理步骤以增强检测效果的准确性。关键词包括背景减除法、运动目标检测、混合高斯模型和摄像头抖动补偿。" 光流法是一种计算机视觉中的关键技术，用于估算连续两帧图像中像素的运动信息。它假设图像亮度在时间和空间上保持不变，从而推断出物体运动的瞬时速度场。光流在目标检测、环境建模、自动导航和视频分析等领域有着广泛应用。光流计算方法主要包括基于匹配、频域和梯度三种方法： 1. 基于匹配的方法，如基于特征和区域的光流算法，前者通过追踪目标特征进行光流估计，后者通过定位相似区域计算光流。特征匹配方法对大运动和亮度变化有较强的鲁棒性，但存在光流稀疏、特征提取和匹配难题。区域匹配方法适用于视频编码，但光流密度不足且亚像素精度计算困难。 2. 基于频域的方法利用滤波器输出的频率或相位信息来获取高精度的初始光流估计，但计算复杂，可靠性评估困难。 3. 基于梯度的方法，通过图像序列的时空微分计算2D速度场，即光流。这类方法因其计算简单和实验效果良好而受到广泛研究，但也存在参数调整问题。 论文中，作者深入研究了基于背景减除的运动目标检测算法，选择了混合高斯模型作为基础，并对其进行了改进以适应复杂背景的实时应用。改进包括采用优先级和分区域的正方形邻间像素比较算法来补偿摄像头抖动，以及利用高斯分布进行阴影检测和抑制，提高了算法的实时性和阴影消除速度。在后处理阶段，通过匹配备选前景像素和周围像素来减少误检，同时利用图像二值形态学处理，通过计算连通区域的面积等特征，提高目标区域的准确性。这些研究为运动目标检测提供了一种更为高效和精确的方法。