论文基于ViBe的自适应运动目标检测算法是关于自适应方面的论文题目、论文提纲、自适应论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。
摘 要：ViBe（Visual Background Extractor）算法具有初始化模型时间短、无记忆更新和计算复杂度低等优点,在众多运动目标检测算法中综合性能优异.然而,在视频序列第一帧包含运动目标的情况下,ViBe算法会产生较长时间才能消除的“鬼影”现象,且不同时间、不同区域用固定更新速率背景模型进行更新,鲁棒性差.为了提高ViBe算法对运动目标检测的准确性,提出Ad-ViBe（Adaptive Visual Background Extractor）算法,该算法根据像素点变化状态自适应改变背景样本集的更新速率.实验结果表明,该算法能够有效地消除“鬼影”现象和环境干扰带来的背景噪声,各项客观评价指标优于ViBe等传统算法.
关键词：运动目标检测；“鬼影现象”；更新速率；自适应；评价指标
中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2018）09-0187-05
Abstract： Visual Background Extractor （ViBe） algorithm has the advantages of initializing background model quickly, memoryless based update and low computational complexity. Therefore, it has excellent performance compared with other moving objects detection algorithms. However, in the case of moving object included in the first frame of a video sequence, "ghost" phenomenon occurs and it takes a long time to eliminate, and at different times, different regions are updated with the background model of fixed update rate, it is robustness. In order to improve the detection accuracy, Adaptive Visual Background Extractor （Ad-ViBe） algorithm was presented, the algorithm adaptively changed the update rate of the background sample set according to the changing state of pixels. Experimental results showed that Ad-ViBe algorithm can effectively eliminate the "ghosting" phenomenon and scene noise, and the evaluation indicators are better than ViBe etc.
Key Words： moving objects detection； "ghost" phenomenon； update rateadaptive； evaluation indicators
1 引言
隨着摄像头的普及和物联网的快速发展,视频监控广泛运用于生产生活中.在带来便利的同时也产生了海量的待处理视频数据,相对于传统的人工操作,利用计算机视觉进行分析显得尤为重要[1].此外,计算机视觉中的运动目标检测是目标识别、跟踪等其他应用的基础.因此,运动目标检测算法的研究具有重要意义.
目前,运动目标检测算法分为三类：光流法[2]、帧间差分法[3-4]和背景差分法[5].其中,由Barnich等[6-7]提出的基于ViBe背景差分法具有计算复杂度低、速度快、鲁棒性和抗噪性高等优点.虽然ViBe算法综合性能较好,但由于其独特的背景模型初始化及更新机制,会产生“鬼影”现象[8],给后续运动目标检测带来干扰.
针对“鬼影”干扰问题,许多学者对ViBe算法进行了改进：Jin等[9]提出融合Canny算子与ViBe算法,利用改进的Canny算子提取边缘信息,然后和ViBe算法检测的前景区域融合得到更为准确的运动目标；Liu等[10]提出利用时间梯度和空间梯度自适应调整检测阈值；胡小冉等[11]提出结合帧间差分法得到更为准确的初始背景模型,从而消除“鬼影”；闵卫东等[12]提出结合像素生命长度检测“鬼影”,利用二次更新的方法进行快速消除等.以上算法都有效地消除了“鬼影”,但不同程度上增加了背景模型建立和更新的复杂度,从而降低了算法的实时性和鲁棒性,不利于实际运用.
综上,本文提出Ad-ViBe算法,在保留ViBe算法优点的基础上,通过像素前、背景变换速度自适应改变更新速率,从而消除“鬼影”现象,并利用形态学的方法进行处理消除环境干扰带来的背景噪声,达到运动目标准确检测的目的.
2 ViBe算法原理简述
ViBe算法的中心思想是为背景模型每个像素点建立背景点样本集,采用随机更新、邻域更新策略实时更新背景模型样本集.通过比较图像与背景模型对应位置像素点,判断该像素点是否是前景点,进而达到检测运动目标的目的.
2.1 背景模型的初始化
不同于其他算法,ViBe算法仅利用视频序列的第一帧就能完成背景模型的初始化,因而具有实时性好的特点.此外,充分考虑相邻像素点间的空间相关性,将像素点及其八邻域像素点的值填充背景点样本集.对于任一像素点[x,y],它的背景点样本集表示如下：
总结:本论文主要论述了自适应论文范文相关的参考文献,对您的论文写作有参考作用。
参考文献：
1、 基于ORB特征点匹配多目标跟踪算法 摘 要：视频中的多目标跟踪是计算机视觉领域的一个重要问题 针对多目标跟踪过程中由于目标缩放、旋转、扭曲以及遮挡等问题的存在导致目标易丢失的问题，。
2、 基于聚类SIFT人脸检测算法 摘要：为解决在人脸识别领域的特征提取问题，提出一种尺度不变特征转换的SIFT算法与聚类分析相结合的算法，在对人脸特征分类时，通过选取最优化的距离。
3、 基于LEACH的轻量级HELLOflood攻击检测算法 摘要：针对无线传感网络低功耗分簇型路由算法LEACH易遭受HELLO flood等安全攻击的问题，提出一种轻量级的基于接收信号强度值的HELLO。
4、 基于多传感器融合的运动目标跟踪算法 摘 要： 为了提高多传感器下运动目标跟踪的准确性和实时性，提出了基于多传感器融合下的运动目标跟踪算法。首先采用多个传感器对运动目标的信息进行采集。
5、 基于DM6437的运动目标跟踪系统 摘 要： 为了克服智能视频监控系统可视范围有限，单纯硬件改进增加系统成本的问题，提出一种运动目标跟踪系统，运用混合高斯背景模型的方法实现运动目标。
6、 基于改进高斯混合模型的体育视频运动目标检测和跟踪 摘 要： 针对当前体育视频运动目标检测存在的弊端，提出改进高斯混合模型的体育视频运动目标检测与跟踪方法。通过分析高斯混合模型的弊端，保留原有的“。