基于邊緣檢測(cè)的混合高斯運(yùn)動(dòng)目標(biāo)檢測(cè).pdf

1、針對(duì)傳統(tǒng)混合高斯運(yùn)動(dòng)目標(biāo)檢測(cè)算法在目標(biāo)運(yùn)動(dòng)緩慢和場(chǎng)景背景變化劇烈時(shí)存在的檢測(cè)精度低問(wèn)題，提出一種基于邊緣檢測(cè)的混合高斯運(yùn)動(dòng)目標(biāo)檢測(cè)算法。算法通過(guò)對(duì)混合高斯運(yùn)動(dòng)目標(biāo)檢測(cè)進(jìn)行參數(shù)局域自適應(yīng)改進(jìn)，提高其在背景變化劇烈場(chǎng)景的檢測(cè)精度；通過(guò)對(duì)Canny算子進(jìn)行多像素方向拓展，使其能夠充分利用序列幀的空域信息；最終通過(guò)結(jié)合混合高斯運(yùn)動(dòng)目標(biāo)檢測(cè)和Canny邊緣檢測(cè)得到完整的運(yùn)動(dòng)目標(biāo)檢測(cè)結(jié)果。
　　針對(duì)混合高斯運(yùn)動(dòng)目標(biāo)檢測(cè)在背景劇烈抖動(dòng)時(shí)易將抖動(dòng)

2、背景判定為前景的問(wèn)題，在對(duì)背景劇烈抖動(dòng)和混合高斯模型的關(guān)系進(jìn)行抽象數(shù)學(xué)分析的基礎(chǔ)上，通過(guò)采用自適應(yīng)局域 K值和自適應(yīng)局域背景門限的方法，使劇烈抖動(dòng)像素點(diǎn)所對(duì)應(yīng)高斯模型的背景描述能力得到提高，達(dá)到減少背景抖動(dòng)虛警率的目的。
　　針對(duì)基于Canny算子的邊緣檢測(cè)方法存在的：高斯核選擇缺少通用性、梯度相關(guān)計(jì)算偏簡(jiǎn)單、非極大值抑制準(zhǔn)確性差等問(wèn)題，在對(duì)Canny進(jìn)行分析的基礎(chǔ)上提出自適應(yīng)高斯核卷積、八鄰域梯度計(jì)算、多方向非極大值抑制的改進(jìn)方

3、法，使邊緣檢測(cè)的結(jié)果更加細(xì)致準(zhǔn)確。
　　結(jié)合改進(jìn)后的混合高斯運(yùn)動(dòng)目標(biāo)檢測(cè)算法和改進(jìn)后的Canny算子邊緣檢測(cè)，通過(guò)前景備選區(qū)域的計(jì)算，完成對(duì)序列幀時(shí)域信息與空域信息的充分利用，最終得到準(zhǔn)確的前景檢測(cè)結(jié)果。
　　實(shí)驗(yàn)結(jié)果表明，與GMG、ViBe、CodeBook等參與實(shí)驗(yàn)的橫向算法相比，本文所提出的改進(jìn)算法具有最優(yōu)的檢測(cè)精度表現(xiàn)；與原算法GMM相比，本文算法檢測(cè)精度在各場(chǎng)景測(cè)試視頻中提高了16.1～42.4個(gè)百分點(diǎn)，精度提升效