基于非参数方法的局部背景建模技术（可编辑）.doc

.卫讧? : ≥:. 砖 基于非参数方法的局部背景建模技术 摘要 智能视频监控系统具有广阔的应用和开发前景,在该领域研究中,对图像的运动、 的目标检测和背景分析是当前计算机视觉领域的一个重要研究方向。运动目标检测的 目标是在视频序列图像中将运动变化目标区域从背景图像中提取出来,以此跟踪和分 析运动目标的存在,为后期的智能预测和视觉处理打下基础。但由于背景图像的动态 变化,理想不变的背景模型往往是很少存在的。如何解决对复杂场景下的背景建模, 获取实时的背景更新以分离背景和前景,同时对运动目标进行跟踪,这是当前研究的 热点,也是本文的主要工作内容。本文主要从以下两个方面进行阐述: 本文介绍了多种常规背景建模方法,并进行了分析和比较。首先介绍了背景 减法基本理论和典型的背景建模方法以及详细的推导,非线性贝叶斯预测理论,卡尔 曼滤波理论和混合高斯模型的建立,对混合高斯算法作了详细推导,指出参数密度估 计理论的不足。简述了密度估计量的基本性质以及密度估计通用表达式,介绍常用的 直方图密度估计方法以及核密度估计方法。分析了影响估计结果的因素并给出了不同 情况下的密度估计结果,指出了直方图密度估计的优缺点并且分析了核密度估计的渐 近收敛特性。同时还简要介绍和分析了其他两种密度估计方法,即近邻法和基函 数展开法。 提出了一种稳定的非参数估计背景建模算法,对影子的检测和抑制错误检测 方面进行了实验和数据分析。基于前面的分析和比较,在实验中,我们将核密度估计 方法与高斯混合方法进行了简单的比较,重点是论证核密度估计算法的有效性。在跟 踪算法中介绍了均值偏移算法的理论知识并对其算法进行了简要的概括性阐述,详细 介绍了均值偏移算法中各个关键性的变量的选取原则,讨论了在多维特征空间的概率 密度估计中均值偏移算法的理论推导。在选定好关键性变量的基础上描述了均值偏移, 。 理论的计算步骤,证明了均值偏移算法的收敛特性,并运用了一个相似性度量函数和 统计学中的误差进行精确地样本估计和评价,以期获取更准确的目标定位,并 通过实验验证了均值偏移算法的有效性。 关键词:视频监控系统;背景建模;非参数密度估计;均值偏移. , ,. ●,: . , .. ? , , , . : ,., ,. ,. 尹,● , . .? , . , ,, . , ? ? . ? , 卸 .一 . : ; ;? ; , ,. 目 录 摘要.目勇乏?. 绪论.研究背景和意义?.. .本文内容安排 背景建模算法研究 .引言?.. .背景减除法.. .典型的背景模型..非线性贝叶斯预测? ..卡尔曼滤波的背景估计..混合高斯模型 .本章小结??。?.. 非参数估计理论研究?. .参数密度估计简介 .非参数密度估计理论..密度估计量的基本性质?.. ..非参数密度估计通用表达式??。 ..直方图密度估计?.. ..核密度估计.. ..其他密度估计方法.. ...近邻法? ...基于基函数展开法? .本章小结? 基于非参数估计的局部背景建模方法.. .密度估计.核带宽估计 .抑制错误检测.更新背景? .影子的检测??.... .实验比较和结果?. ..两种建模方法的比较??.. ..实验结果?.. .本章小结? 均值偏移算法的研究?. ■,● .均值偏移算法的理论..均值偏移法的理论基础?。 ..概率密度中的均值偏移?。 ..均值偏移算法的计算步骤.. ..均值偏移算法收敛讨论?。 .均值偏移算法在目标跟踪中的应用..目标的选取.. ..相似性度量函数..目标定位?.. ..计算复杂度分析?.. .实验结果? .本章小结? 总结与展望??. .本文总结? .未来工作展望攻读学位期间取得的研究成果?. 至【谢? 浙江师范大学学位论文独创性声明 学位论文使用授权声明?. 绪论 .研究背景和意义 智能视频监控系统具有较为广泛和开阔的应用开发前景,根据不同需要设置和开 发的视频监控系统无疑促进了计算机视觉和相关学科的发展。美、英等发达国家投入 大量精力,在人机交互、医疗诊断、智能监控、视频会议和图像存储与检索等方面开 展了大量的研究和深入的探索】。在这些大的研究方面中,对图像的运动分析是当前 计算机视觉分析领域的一个重要研究方向。 图像的运动分析包含几个部分,运动目标的检测、分类、跟踪及行为理解。运动 目标检测的最终目的是在序列图像中将运动变化区域从背景图像中提取出来,以此判 断是否有运动目标的存在,为后期的计算机视觉处理和相关应用打基础。研究人员己 经开发了多种运动目标检测的方法,例如最常用的思路是对场景进行背景建模然后再 用背景减除法提取出目标,但由于背景图像的动态变化,如天气的变化、光照产生的 阴影及多种因素导致的混乱干扰等,寻找十分理想的背景模型往往是非常困难的。由