基于高斯模型的运动目标的检测.doc
约47页DOC格式手机打开展开
基于高斯模型的运动目标的检测,2.9万字自己原创的毕业论文，已经通过校内系统检测，重复率低，仅在本站独家出售，大家放心下载使用摘要 ：视频运动目标的检测是现代智能监控系统的关键技术。本文主要在背景静止的场景下，研究运动目标的检测。全文首先对传统的光流法、帧间差分法和背景差分法进行了详细的介绍，通过分析并权衡各种方法的优缺...
内容介绍
此文档由会员 小丑88 发布
基于高斯模型的运动目标的检测
2.9万字
自己原创的毕业论文，已经通过校内系统检测，重复率低，仅在本站独家出售，大家放心下载使用
摘要 ：视频运动目标的检测是现代智能监控系统的关键技术。本文主要在背景静止的场景下，研究运动目标的检测。全文首先对传统的光流法、帧间差分法和背景差分法进行了详细的介绍，通过分析并权衡各种方法的优缺点后，采用了背景差分法来做最初的运动目标检测方法。在背景建模阶段，通过混合高斯模型算法对监控场景进行背景建模。在通过对当前混合高斯背景建模技术上存在的更新速度慢和当前帧中具有运动目标等问题进行研究后，提出一种基于Canny边缘检测和混合高斯模型相结合的改进算法，解决了初始化背景中包含的运动目标会导致背景模型建立不准确和环境微变下的噪音问题，在差分获取运动目标阶段，针对混合高斯模型检测结果受运动阴影影响，本文提出了一种基于混合颜色空间的阴影检测方法，首先检测出当前帧图像中的运动目标，通过利用阴影的颜色属性来判定某一被初步检测为运动目标的像素是否为阴影，若为阴影将其标记背景像素点，否则标记运动目标。最后，通过在开发源码的视觉处理库(OpenCV)的基础上实现了本文提出的算法，并为一个完整的系统，在具体的视频流的实验结果表明，基于改进的高斯算法，具有很强的鲁棒性和较高的准确性。
关键词： 运动目标检测；混合高斯模型；边缘检测；阴影检测与消除；颜色空间
The moving target detection based on Gauss model
Abstract: Video moving target detection is the key technology of modern intelligent monitoring systems. In this paper, in the context of static scenes, moving target detection research . First, the text of the traditional optical flow method, the inter-frame difference and background subtraction method for a detailed description , followed by a variety of methods to analyze and weigh the advantages and disadvantages of using background subtraction to do the first moving object detection methods. In the background modeling phase, through Gaussian mixture model algorithm to monitor the scene background modeling . Following the adoption of the current study Gaussian mixture background modeling technology exists to update the current frame and slow moving target with issues such as improved algorithm is proposed based on Canny edge detection and Gaussian mixture model combining solve background initialization moving targets contained in the background model will result in inaccurate and environmental noise problems under slightly changed , get moving target phase difference , the test results for the Gaussian mixture model affected by the movement of the shadows , this paper proposes a hybrid color space based on shadows detection method, first detected in the current frame image of the moving object , by using the attribute to determine the color of the shadow of a moving object is detected as the initial pixel is a shadow , the shadow will be marked if the background pixels , otherwise the movement of the target marker . Finally, on the basis of the development of visual processing source code library (OpenCV) on the realization of the proposed algorithm , and as a complete system , in particular video stream results show that the improved algorithm based on Gaussian , with strong robustness and high accuracy.
Key words：Moving target detection; Gaussian mixture model; edge detection; shadow detection and elimination; color space
目录
第一章 绪 论 1
1.1 课题的意义及背景 1
1.2 国内外发展动态 2
1.2.1 运动目标的检测 2
1.2.2 阴影的检测与消除 4
1.3 论文中主要研究内容及工作安排 5
第二章 相关技术及原理 7
2.1 图像处理 7
2.2 Opencv概述 12
2.3 运动目标检测技术论述 14
2.4 本章小结 18
第三章 基于改进的高斯模型算法的建模 19
3.1 高斯背景模型技术 20
3.1.1 单高斯背景模型 20
3.1.2 混合高斯背景模型 21
3.1.3 改进的高斯模型算法研究 26
3.2 运动阴影的检测和消除 27
3.2.1 运动目标阴影的特性介绍 27
3.2.1 阴影检测和消除的方法介绍 28
3.2.3 基于混合颜色空间的阴影的检测和消除 31
3.3本章小结 32
第四章 基于改进的高斯模型的运动目标检测实现 33
4.1 基于改进高斯背景建模运动目标提取实现 33
4.1.1 边缘图获取 33
4.1.2 混合高斯模型获取运动区域 34
4.1.3 阴影的检测与消除 34
4.1.4 后处理及运动目标提取 36
4.2 实验结果及分析 36
4.3 本章小结 39
第五章 总结和展望 40
5.1 总结 40
5.2 工作展望 40
致 谢 42
参考文献： 43
2.9万字
自己原创的毕业论文，已经通过校内系统检测，重复率低，仅在本站独家出售，大家放心下载使用
摘要 ：视频运动目标的检测是现代智能监控系统的关键技术。本文主要在背景静止的场景下，研究运动目标的检测。全文首先对传统的光流法、帧间差分法和背景差分法进行了详细的介绍，通过分析并权衡各种方法的优缺点后，采用了背景差分法来做最初的运动目标检测方法。在背景建模阶段，通过混合高斯模型算法对监控场景进行背景建模。在通过对当前混合高斯背景建模技术上存在的更新速度慢和当前帧中具有运动目标等问题进行研究后，提出一种基于Canny边缘检测和混合高斯模型相结合的改进算法，解决了初始化背景中包含的运动目标会导致背景模型建立不准确和环境微变下的噪音问题，在差分获取运动目标阶段，针对混合高斯模型检测结果受运动阴影影响，本文提出了一种基于混合颜色空间的阴影检测方法，首先检测出当前帧图像中的运动目标，通过利用阴影的颜色属性来判定某一被初步检测为运动目标的像素是否为阴影，若为阴影将其标记背景像素点，否则标记运动目标。最后，通过在开发源码的视觉处理库(OpenCV)的基础上实现了本文提出的算法，并为一个完整的系统，在具体的视频流的实验结果表明，基于改进的高斯算法，具有很强的鲁棒性和较高的准确性。
关键词： 运动目标检测；混合高斯模型；边缘检测；阴影检测与消除；颜色空间
The moving target detection based on Gauss model
Abstract: Video moving target detection is the key technology of modern intelligent monitoring systems. In this paper, in the context of static scenes, moving target detection research . First, the text of the traditional optical flow method, the inter-frame difference and background subtraction method for a detailed description , followed by a variety of methods to analyze and weigh the advantages and disadvantages of using background subtraction to do the first moving object detection methods. In the background modeling phase, through Gaussian mixture model algorithm to monitor the scene background modeling . Following the adoption of the current study Gaussian mixture background modeling technology exists to update the current frame and slow moving target with issues such as improved algorithm is proposed based on Canny edge detection and Gaussian mixture model combining solve background initialization moving targets contained in the background model will result in inaccurate and environmental noise problems under slightly changed , get moving target phase difference , the test results for the Gaussian mixture model affected by the movement of the shadows , this paper proposes a hybrid color space based on shadows detection method, first detected in the current frame image of the moving object , by using the attribute to determine the color of the shadow of a moving object is detected as the initial pixel is a shadow , the shadow will be marked if the background pixels , otherwise the movement of the target marker . Finally, on the basis of the development of visual processing source code library (OpenCV) on the realization of the proposed algorithm , and as a complete system , in particular video stream results show that the improved algorithm based on Gaussian , with strong robustness and high accuracy.
Key words：Moving target detection; Gaussian mixture model; edge detection; shadow detection and elimination; color space
目录
第一章 绪 论 1
1.1 课题的意义及背景 1
1.2 国内外发展动态 2
1.2.1 运动目标的检测 2
1.2.2 阴影的检测与消除 4
1.3 论文中主要研究内容及工作安排 5
第二章 相关技术及原理 7
2.1 图像处理 7
2.2 Opencv概述 12
2.3 运动目标检测技术论述 14
2.4 本章小结 18
第三章 基于改进的高斯模型算法的建模 19
3.1 高斯背景模型技术 20
3.1.1 单高斯背景模型 20
3.1.2 混合高斯背景模型 21
3.1.3 改进的高斯模型算法研究 26
3.2 运动阴影的检测和消除 27
3.2.1 运动目标阴影的特性介绍 27
3.2.1 阴影检测和消除的方法介绍 28
3.2.3 基于混合颜色空间的阴影的检测和消除 31
3.3本章小结 32
第四章 基于改进的高斯模型的运动目标检测实现 33
4.1 基于改进高斯背景建模运动目标提取实现 33
4.1.1 边缘图获取 33
4.1.2 混合高斯模型获取运动区域 34
4.1.3 阴影的检测与消除 34
4.1.4 后处理及运动目标提取 36
4.2 实验结果及分析 36
4.3 本章小结 39
第五章 总结和展望 40
5.1 总结 40
5.2 工作展望 40
致 谢 42
参考文献： 43
