運(yùn)動(dòng)目標(biāo)檢測(cè)與識(shí)別算法研究.pdf

1、運(yùn)動(dòng)目標(biāo)的檢測(cè)與識(shí)別是一項(xiàng)理論意義與實(shí)用價(jià)值兼?zhèn)涞恼n題，可以廣泛應(yīng)用于國(guó)防與國(guó)民經(jīng)濟(jì)建設(shè)的諸多領(lǐng)域，是當(dāng)今圖像處理與圖像理解領(lǐng)域的一個(gè)熱門方向，隨著其應(yīng)用領(lǐng)域得不斷擴(kuò)大，其實(shí)用價(jià)值越來(lái)越得到人們的重視。運(yùn)動(dòng)目標(biāo)檢測(cè)與識(shí)別算法研究的對(duì)象是序列圖像，或者稱為視頻圖像。對(duì)得到的圖像序列進(jìn)行處理，檢測(cè)是否存在感興趣的目標(biāo)，并且從序列圖像中提取出運(yùn)動(dòng)目標(biāo)。目標(biāo)的識(shí)別工作就是對(duì)檢測(cè)出來(lái)的目標(biāo)進(jìn)行識(shí)別，得到目標(biāo)屬性以及由此識(shí)別出目標(biāo)的物體種類信息。

2、 數(shù)學(xué)形態(tài)學(xué)是一種非線性圖像信號(hào)處理和分析理論，在把握信號(hào)中的幾何結(jié)構(gòu)信息上具有相當(dāng)優(yōu)勢(shì)，符合人類的感知系統(tǒng)，因此目前已經(jīng)受到了越來(lái)越廣泛的重視，并得到了迅速的發(fā)展。因此，本論文在系統(tǒng)地總結(jié)了數(shù)學(xué)形態(tài)學(xué)的基本理論及其在目標(biāo)檢測(cè)中的應(yīng)用的基礎(chǔ)上，重點(diǎn)研究了目標(biāo)檢測(cè)所涉及的幾個(gè)關(guān)鍵技術(shù)之一：圖像特征提取，在圖像特征提取的研究中，提出了一種基于數(shù)學(xué)形態(tài)學(xué)的特征提取方法，即假高帽變換與多尺度形態(tài)學(xué)相結(jié)合的邊緣提取方法，這種方法與傳統(tǒng)的邊緣

3、檢測(cè)算法相比，能夠得到更豐富的邊緣細(xì)節(jié)，能夠得到清晰完整的目標(biāo)邊緣。 在進(jìn)行目標(biāo)檢測(cè)時(shí)，常見的一種情況是攝像機(jī)處于靜止?fàn)顟B(tài)并且焦距是固定的，此時(shí)，圖像中的背景區(qū)域固定不動(dòng)。在這種情況下，運(yùn)動(dòng)目標(biāo)檢測(cè)經(jīng)常使用的方法是背景差法，在簡(jiǎn)單的背景差法使用中，當(dāng)背景發(fā)生一些變化時(shí)，如背景中頻繁地出現(xiàn)運(yùn)動(dòng)物體，或者光照發(fā)生變化等等，不能準(zhǔn)確地提取背景作為參考圖像，從而不能正確地分割出視頻序列中的運(yùn)動(dòng)物體。為了克服上述問(wèn)題，必須對(duì)模型進(jìn)行及時(shí)更

4、新。本文在研究高斯模型的基礎(chǔ)上，對(duì)高斯模型作了改進(jìn)，建立了自適應(yīng)高斯背景模型，并且實(shí)現(xiàn)了背景模型的實(shí)時(shí)更新，能夠比較準(zhǔn)確地檢測(cè)出運(yùn)動(dòng)目標(biāo)。 然而，由于光照條件的影響，大多數(shù)圖像都存在陰影，陰影的存在干擾了目標(biāo)的檢測(cè)，使檢測(cè)到的目標(biāo)與真實(shí)的目標(biāo)形狀相差很大，這對(duì)后續(xù)處理如目標(biāo)識(shí)別、行為判斷等會(huì)產(chǎn)生很大的影響。高斯模型無(wú)法消除陰影的干擾，因此找到陰影消除的方法變得非常重要。近年來(lái)，提出了很多陰影消除方法。本文在對(duì)目標(biāo)陰影消除的研究中