動態(tài)背景下行人檢測模塊的設計與實現(xiàn).pdf

1、隨著信息技術(shù)的發(fā)展，視頻文件的數(shù)量飛速增長。如何在海量的視頻文件中檢索出關(guān)鍵事件和關(guān)鍵目標具有重要的研究意義和廣泛的應用價值。尤其是在冗余信息較多的交通監(jiān)控和安防監(jiān)控視頻中進行事件和目標檢測更具有重要的現(xiàn)實意義。但是，如何在復雜場景視頻中實現(xiàn)快速準確的目標檢測與行人檢測，仍是目前運動目標檢測領(lǐng)域亟待解決的問題。光流法是一種有效檢測運動物體與運動行人的算法，不需任何先驗知識，對背景模型不存在依賴，在運動目標檢測領(lǐng)域有著廣泛的應用。但光流法

2、存在對噪聲敏感、算法復雜度較高等缺陷，本學位論文針對光流法對噪聲敏感和實時性差的缺點進行改進，提出了一種改進的光流法并將其應用于運動目標檢測。本文主要研究內(nèi)容如下:
　　首先，針對攝像機運動造成的全局動態(tài)背景，采用改進的灰度投影法進行全局運動補償。針對灰度投影法存在累積誤差等缺陷，提出隔三幀更換一次參考幀的方法，減少了由于選擇固定參考幀導致的累積計算誤差;針對灰度投影法的投影區(qū)域存在運動目標時計算誤差較大的問題，本學位論文使用視頻

3、圖像幀的邊角地帶作為投影區(qū)域來計算運動矢量，大大減少了運動目標對運動補償?shù)挠绊憽?br>　　其次，提出了一種基于梯度閾值和特征抑制的光流法進行運動目標檢測。將LK光流法和HS光流法進行結(jié)合，對光流約束方程進行改進，對梯度較大的像素點采用亮度約束，對梯度較小的像素點采用全局平滑約束，以確保光流約束方程的適用性。特征抑制作為輔助判斷有效光流點的手段，在運動目標檢測算法中對噪聲和局部動態(tài)背景進行了有效地抑制。
　　最后，在運動目標檢測算