论文部分内容阅读
由于人们对个人财产安全和社会稳定的诉求日益迫切，视频监控系统得到了广泛的应用，存储的视频数据也开始呈现爆炸式的增长，自主工作模式的智能监控系统开始进入时代的舞台，视频序列中的运动目标检测长期以来都是智能视频监控系统中的一个核心研究方向。
对于前景目标检测的准确性和实时性是评价该类算法的两个重要标准。传统的三帧差分法运算简单，但由于其当前时刻的检测结果总是依赖于下一时刻的输入，因此在实时性方面是有所缺憾的，本文在不增加其运算复杂度的前提下，就实时性方面进行了改进，提出了一种基于前向预测的三帧差分法。对于一些复杂场景，混合高斯建模的检测效果都要优于其他的背景建模方法，但是引入多个高斯模型的同时也增加了系统的计算开销，本文将高斯建模与均值建模相结合，提出了一种基于方向权值的均值建模方法，改进后的算法的时间复杂度相对于高斯建模有了很大改进，特别是在一些分辨率较高的画面的检测中，检测结果的正确性基本上与高斯建模一致，虽然在图像质量上有差距，但是通过图像的后处理，这种差距也有所缩小。
可见，本文提出的改进算法在不牺牲检测结果准确性的前提下，算法的时间复杂度有所降低，为运动目标检测算法的准确性和实时性提供了一种有效的折衷方案。
对于前景目标检测的准确性和实时性是评价该类算法的两个重要标准。传统的三帧差分法运算简单，但由于其当前时刻的检测结果总是依赖于下一时刻的输入，因此在实时性方面是有所缺憾的，本文在不增加其运算复杂度的前提下，就实时性方面进行了改进，提出了一种基于前向预测的三帧差分法。对于一些复杂场景，混合高斯建模的检测效果都要优于其他的背景建模方法，但是引入多个高斯模型的同时也增加了系统的计算开销，本文将高斯建模与均值建模相结合，提出了一种基于方向权值的均值建模方法，改进后的算法的时间复杂度相对于高斯建模有了很大改进，特别是在一些分辨率较高的画面的检测中，检测结果的正确性基本上与高斯建模一致，虽然在图像质量上有差距，但是通过图像的后处理，这种差距也有所缩小。
可见，本文提出的改进算法在不牺牲检测结果准确性的前提下，算法的时间复杂度有所降低，为运动目标检测算法的准确性和实时性提供了一种有效的折衷方案。