摘要：智能视频监控， 作为计算机视觉的重要应用方面， 近年得到广泛重视。 前景检测是其关键步骤之一， 其性能对于目标分类、 跟踪和行为理解等后期处理是非常重要的。 目前几种常见的前景检测方法有： 帧差法、 背景差分法、 光流法等，但均难以适应存在复杂背景和运动情况复杂的场景。此外应用最广泛的背景提取模型是高斯混合模型 GMM（Gaussian Mixture Model） ， 但该模型计算复杂， 且对慢速前景检测效果不好， 会将纹理和对比度低的前景当作背景， 另外对全局亮度的突然变化敏感， 会造成误检。
本文采用一种新的前景目标提取模型， 以 ViBe+模型作为核心， 进行优化建模。 该模型是对 ViBe 模型的一种改良， 继承了 ViBe 模型有效抑制阴影的优点，具有较好的前景检测性能。 但在 ViBe 存在的鬼影问题上， 依然解决不够彻底，因此本文采取多帧取平均的方式， 产生一张虚拟背景图像， 用于 ViBe 的初始化，有效的抑制了鬼影的产生。此外针对晃动视频容易存在背景干扰及噪声影响的问题， 进一步提出用形态学方法结合采用提取 SIFT 特征的方式， 对视频隔帧进行匹配， 有效的抑制了噪声以及错误信息的识别。 因此， 本文以 ViBe+为核心， 提出了新的前景目标提取的优化模型， 并将其用 C++和 opencv 以及 Matlab 进行实现。

关键字： 帧差法， ViBe+， SIFT 特征点， 虚拟背景图像， 隔帧匹配， 对极几何，SVM， 高斯混合模型
D10701013

链接：https://pan.baidu.com/s/1a3MZoIlh13gASNRi75VJvg 密码：1i95