改进的混合高斯模型：运动目标检测算法研究

"本文是厦门大学硕士研究生陈燕萍关于基于背景减除的运动目标检测算法的研究，指导教师为余臻。文章详细探讨了几种典型的背景减除算法，并提出了一种改进的混合高斯模型算法，同时涉及摄像头抖动补偿和阴影检测与抑制策略，以提高算法的实时性、准确性和鲁棒性。" 本文深入研究了运动目标检测这一关键的计算机视觉领域，特别是在视频监控中的应用。运动目标检测是识别和追踪目标的第一步，对于自动化检测系统至关重要。作者首先回顾了背景减除法在运动目标检测中的应用，这是一种常用的方法，通过对比静态背景和连续帧之间的差异来确定运动物体。 文章详细分析了几种典型的背景减除算法，如帧差法、光流法以及混合高斯模型等。这些算法各有优缺点，适应不同的应用场景。作者在此基础上，着重研究了混合高斯模型，因为它在处理复杂背景和动态变化场景时表现出良好的性能。通过改进混合高斯模型，提高了算法的实时性和可靠性，使其更适合实时应用。 针对摄像头在捕捉视频时可能出现的抖动问题，作者提出了一种基于优先级和分区域的正方形邻间像素比较算法。此算法可以有效地估计图像的移动，从而补偿摄像头的抖动，降低图像抖动对运动目标检测的影响，增强了算法的稳定性。 此外，考虑到阴影可能对检测结果产生的干扰，论文还提出了一个利用高斯分布描述阴影的阴影检测及抑制算法。通过快速识别和消除阴影，算法的实时性得到了显著提升，减少了阴影对运动目标识别的误判。 在后处理阶段，为解决混合高斯背景模型可能出现的背景扰动问题，论文采用了一种前景像素与周围像素匹配的方法，减少错误肯定的发生，进一步提高了检测结果的准确性。同时，结合图像二值形态学操作，通过分析连通区域的面积等特征，精确地确定了目标区域。 这篇硕士论文不仅全面探讨了背景减除法在运动目标检测中的应用，还提出了一系列创新性的改进策略，包括混合高斯模型的优化、摄像头抖动的补偿算法和阴影抑制方法，这些都为运动目标检测领域的理论研究和实际应用提供了有价值的参考。关键词涵盖了背景减除法、运动目标检测、混合高斯模型以及摄像头抖动补偿等核心概念。