基于背景子空间学习的运动目标实时检测
【摘要】运动目标检测是近年来计算机视觉领域理论和应用的研究热点，是实现目标跟踪以及目标行为分析的基础，在公共安全视频监控领域具有广阔的市场应用前景。由于视频帧图像间的强相关性，近些年低秩矩阵恢复方法被广泛应用到运动目标检测中。本文对近年来运动目标检测的相关研究做了简要的总结和评述，从研究背景和现状、理论分析方法及相关算法三个方面展开，着重介绍低秩矩阵恢复模型。由于传统的运动目标检测方法难以满足实时性要求，重新提出一种基于二维主成分分析的背景子空间更新方法。本课题将研究探讨运动目标实时检测方法，提高运动目标检测算法的鲁棒性。
【关键词】运动目标检测 二维主成分分析 背景子空间
【Abstract】Problem of motion object detection has been a research focus in the field of machine vision in recent years, and itrsquo;s the basis for object tracking and behavior analysis. It has a broad market prospects in the field of public safety video surveillance. Due to the strong correlation between the background of the video frames, low-rank matrix decomposition methods have been widely used to detect moving object. This article discusses the background, the basic categories of methods and common algorithms. In this thesis, we will focus on robust principal component analysis(RPCA) based on the low-rank matrix optimization. Meanwhile, the double nuclear-norm based robust principal component analysis method is proposed. However, as the traditional moving target detection method is difficult to meet the real-time requirements, a new method of background subspace updating based on 2D principal component analysis (PCA) is proposed. We analyse and expound the difficulties and problems,so as to provide reference material for further study.
【Keywords】moving object detection 2DPCA background subspace
- 引言
运动目标检测指从视频序列图像检测出变化区域并将运动目标从背景图像中提取出来，从而实现对视频图像中感兴趣的目标进行实时检测、识别、提醒报警，是进一步视频图像处理的重要依据，目前已广泛应用于视频监控、医疗诊断、智能交通、运动分析等领域。
传统的目标检测方法包括光流法、帧差法、目标检测子法和背景差分法。光流法计算量大，不易受噪声影响，不利于实时处理。帧差法简单易实现，但对运动场景稳定性要求较高，易受噪声影响，常出现“空洞”和“鬼影”现象。目标检测子法首先需要在训练集上训练出特定目标的分类器，然后使用滑动窗口扫描每帧图像，并用分类器对窗口区域进行前景和背景的分类。背景差分法首先构建出目标场景的背景图像，然后以每帧图像减除背景图像得到前景目标图像。
近年来运动目标检测一直是研究的热点，国内外不断有高水平和有实用价值的论文涌现，但是该技术仍存在一些研究难点亟待解决。如运动分割问题、动态纹理背景、目标遮挡问题、实时性问题以及运动目标的多样性问题等。
- 正文
1.运动目标检测概述
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
