基于卷积神经网络的运动目标检测算法研究.pdf

重庆大学硕士学位论文 中文摘要 摘 要 作为视频分析应用中最重要的基础工作之一，运动目标检测一直被视为计算 机视觉研究领域内极具实用性和挑战性的课题。虽然近年来已经有大量围绕该问 题的工作不断发表，但由于自然场景的复杂变化和人为噪声的干扰，至今仍然缺 乏一个通用且高效的解决方案。 传统的运动检测算法主要着力于建立背景统计模型，通过寻找稳定的特征来 分割运动物体。但是人工设计的特征都有其局限性，往往无法很好地适应复杂自 然场景带来的挑战，例如光照的变化、目标遮挡、动态背景等等。因此本文致力 于让算法自己学习到最好的特征。而近年来在计算机视觉领域得到广泛应用的卷 积神经网络，由于其方法不需要研究人员手动设计特征，以及在不同的场景中表 现出了很好的鲁棒性和适应性，将作为本文用于学习特征的工具。 为了克服传统方法在复杂自然场景应用中的缺陷，本文围绕像素值波动和像 素值时序分布展开研究，分别建立了两种运动检测模型，其中主要工作如下： ① 在基于像素值波动学习的模型（DPVL ）中，本文提出了一个像素片特征 用于对像素值波动进行编码。并设计了一个端对端的全卷积神经网络，通过该网 络对单个像素点的观测值波动模式进行学习，最终将其值变换到一个线性可分的 子空间内进行分类。此外，DPVL 模型还从像素点周围随机采样，获得近邻像素点 的像素片特征，使网络能够得到空间上下文信息的约束，从而提升模型的分类性 能。 ② 在基于像素值时序分布学习的模型（DPTDL ）中，本文提出了一个随机像 素值对比特征（CRP ），用于对像素值的时序分布进行编码。并设计了一个卷积神 经网络对像素值的时序分布进行学习，通过对比当前像素值与其历史观测值的差 异来判定其是否为前景或者背景。 对比传统的运动检测方法，本文提出的两种运动检测模型都不必受限于简单 的像素模型和人工设计的特征，从而能更好地适应真实世界中的复杂应用场景。 而其他基于深度学习的运动检测方法，由于其背景模型仍然依赖于传统方法，使 得他们的方法受到了严重的限制。而本文提出的两种检测模型都直接对像素观测 值进行建模，规避了借助传统方法所带来的限制。在多个标准数据集上进行的综 合实验表明，与当前主流的深度学习和传统方法相比，本文所提出的两个模型都 具有相当优秀的检测表现。 关键词：运动检测，背景建模，深度学习，卷积神经网络 I 重庆大学硕士学位论文 英文摘要 Abstract As one of the most important and basic tasks in video analytics applications, motion objects detection has always been regarded as a practical and challenging topic in the field of computer vision. Although a large number of works on this issue have been published in recent years, due to the complexity of natural scenes and random noises, there is still a lack of a universal and efficient solution. Traditional moving objects detection algorithms focus on establishing a statistical background model to segment moving objects by finding stable features. However, artific