基于视频图像的运动目标检测算法研究

• 作 者: 左军辉
• 出 处: 新疆大学
• 发表日期: 2021年07期
• 关键词: 视频图像 运动目标检测 背景减法 动态背景 噪声去除

在计算机视觉研究技术领域,基于视频图像的运动目标检测算法研究变的越来越重要。尤其在智能交通领域,运动目标检测能够为视频监控系统提供实时、丰富有效的信息来完成对视频图像中运动目标的跟踪和识别。但是在实际检测场景中,运动目标检测算法的研究受到光照变化、背景变化和相机抖动等诸多因素的影响,使得检测算法的检测效果不理想。因此,本文基于视觉背景提取(Visual Background Extractor,Vi Be)和高斯背景建模(Gaussian Mixture Model,GMM)的方法为基础,为增强动态背景下运动目标检测效果,提高算法的检测的准确性,本文对在其基础上进行了改进算法的研究。首先,本文对研究过程中所涉及到的图像处理技术进行介绍,并且对三种常用的运动目标检测方法:光流法、帧间差分法和背景减法进行了深入的研究。针对传统Vi Be算法受动态背景干扰和存在“鬼影”的问题,本文提出了一种基于改进Vi Be算法的视频图像运动目标检测算法。所提方法核心思想是,在建模阶段,预先判断第一帧是否存在运动目标,如果存在,则直接进行背景初始化。在目标检测阶段,加入了二次判断策略和像素闪烁程度分析,来拟制鬼影和动态背景的干扰,并且利用边缘检测方法检测目标边缘,进行填充后与检测结果进行与运算,使检测到的目标更加完整,最后结合中值滤波和数学形态学方法对检测结果进行优化处理,提高检测效果。通过仿真实验对比证明,本文所提改进算法不但较好的去除了“鬼影”,而且增强了算法的检测效果,使检测到的运动目标更加完整。除上述方法外,本文针对背景减法中高斯混合背景建模法(GMM)在动态背景下检测效果不佳的问题。本文提出了一种基于GMM改进背景减法的运动目标检测算法。该方法主要在三个阶段进行了改进:背景建模、目标检测和背景更新。背景建模阶段,为了易于计算和加快建模速度,对视频图像进行分块处理,然后采用基于GMM的图像块均值法去重构背景模型。目标检测阶段,采用数学形态学和小波半软阈值去噪相结合的方法对检测到的运动目标进行去噪和优化处理。背景更新阶段,利用自适应背景更新方法背景更新,从而获得到更好的背景,以便提高运动目标检测的效果。通过仿真实验对比分得出,本文所提改进方法在动态背景下很好的去除了噪声的干扰,使检测到的运动目标比较完整,证明了所提改进算法运动目标检测上的优势和算法的准确性。