运动目标检测是智能视频监控的一个重要而基础的研究内容。本书围绕运动目标检测技术进行讨论,主要内容包括运动目标检测的介绍(第1章)、静态背景下的运动目标检测技术(第2、3章)、动态背景下的运动目标检测技术(第4章)、运动阴影消除技术(第5、6章),以及运动目标检测和阴影消除的并行加速(第7章),介绍了相关方法的研究背景、理论基础和算法描述,并给出了相应的实验结果。
样章试读
目录
- 目录
《信息科学技术学术著作丛书》序
前言
第1章绪论1
1.1智能视频监控技术1
1.2运动目标检测技术5
1.2.1静态背景下的运动目标检测技术6
1.2.2动态背景下的运动目标检测技术8
1.2.3运动阴影消除技术11
1.3本书内容安排12
参考文献14
第2章采用改进混合高斯模型的运动目标检测19
2.1引言19
2.2混合高斯模型原理20
2.3混合高斯背景模型的性能提升23
2.3.1基于偏差均值的匹配判断23
2.3.2基于非线性学习速率的权重更新24
2.3.3低权重模型的移除25
2.3.4模型等权值初始化方法26
2.3.5实验结果及分析26
2.4基于隶属度竞争的空间混合高斯模型29
2.4.1隶属度的计算30
2.4.2前景检测31
2.4.3模型更新33
2.4.4实验结果及分析34
参考文献38
第3章基于随机码本的运动目标检测40
3.1引言40
3.2码本背景模型原理41
3.2.1码本结构定义41
3.2.2码字匹配41
3.2.3码本训练43
3.2.4前景检测44
3.2.5模型更新44
3.2.6码本模型不足45
3.3视觉背景提取模型原理45
3.4基于随机码本的运动目标检测47
3.4.1基于YUV空间的码本模型48
3.4.2基于空间邻域像素点的码本训练48
3.4.3基于随机思想的码本更新50
3.5实验结果及分析51
3.5.1“鬼影”抑制实验52
3.5.2综合性能对比实验53
参考文献54
第4章采用多组单应约束的运动目标检测56
4.1引言56
4.2基于多组单应约束的前背景轨迹分离58
4.2.1邻近帧背景运动的单应模型58
4.2.2前背景轨迹分离方法59
4.3基于马尔可夫随机场的前背景像素标记62
4.3.1能量函数的构造62
4.3.2惩罚函数的设计63
4.4实验结果及分析65
4.4.1轨迹分离实验66
4.4.2像素标记实验68
参考文献72
第5章基于多特征融合和直方图反投影的运动阴影去除75
5.1引言75
5.2阴影产生机理及其光照模型76
5.2.1阴影产生机理76
5.2.2光照模型78
5.3阴影检测常用特征和多特征融合78
5.3.1阴影检测常用特征78
5.3.2阴影检测常用特征对比80
5.3.3多特征融合方式81
5.4基于多特征融合和直方图反投影的阴影检测82
5.4.1运动阴影初选83
5.4.2多特征联合直方图84
5.4.3直方图反投影86
5.4.4自适应阈值分割87
5.5实验结果及分析88
5.5.1评价指标与测试数据集88
5.5.2实验结果89
参考文献93
第6章基于全局纹理和统计推断的运动阴影去除97
6.1引言97
6.2基于YUV分量变化比率的阴影检测98
6.2.1基于YUV色彩空间的阴影检测模型98
6.2.2阴影检测模型的可行性分析98
6.3阴影检测阈值的自适应估计100
6.3.1抽样样本及其推断101
6.3.2全局边缘纹理构造102
6.3.3基于抽样推断的阈值区间估计102
6.4实验结果及分析104
6.4.1不同边缘检测算子对阈值估计的影响104
6.4.2手动阈值与估计阈值的对比104
6.4.3阴影检测性能对比104
参考文献108
第7章采用GPU并行加速的运动目标检测与阴影去除110
7.1引言110
7.2CUDA并行计算架构111
7.2.1CUDA编程模型112
7.2.2多处理器结构及内部资源115
7.2.3多级存储器模型117
7.2.4CUDA程序性能优化策略119
7.3参数自整定的并行粒度划分算法120
7.3.1不同硬件之间的资源和性能差异120
7.3.2并行粒度划分参数对计算性能的影响121
7.3.3并行粒度划分参数自整定122
7.3.4图像畸变校正的并行加速实验124
7.4随机码本模型和阴影检测算法的GPU加速实验125
7.4.1随机码本模型的GPU加速125
7.4.2阴影检测算法的GPU加速127
参考文献128