1、通過對小區(qū)卡口監(jiān)控視頻場景中的物體進行檢測和標注，可以發(fā)現(xiàn)是否有異常的人或車輛等進出小區(qū)。傳統(tǒng)的運動目標檢測構(gòu)建于背景建?；A(chǔ)之上，這種方法只能用于簡單的單目標檢測，對空間位置存在重疊的區(qū)塊則無法實現(xiàn)。另一方面，基于深度學(xué)習(xí)的目標檢測，只是對感興趣區(qū)域目標的位置和類別進行檢測，沒有關(guān)注其是否處于運動當中。針對上述的種種問題，本文開展了以下兩個方面的工作。
　　(1)提出了一種在大塊前景與背景顏色相似下的背景建模的有效方法。本文使用

2、了基于碼本的多要素的背景建模算法，它結(jié)合了色彩與紋理信息，對圖像的每個像素點逐個建立碼本并在運動過程中進行不斷更新。并且對比了數(shù)種經(jīng)典的背景建模方法，確保本文所使用的碼本算法可以完整地將前景從整幅圖像中提取出來。同時本文提出了三通道顏色直方圖均衡化，來克服前景與背景的色彩與光照強度相似的大面積區(qū)域無法檢測問題。并進行一些形態(tài)學(xué)操作以形成具有較強抗干擾能力的背景建模方法。
　　(2)提出了在小區(qū)卡口運動前景區(qū)域目標標注的有效方法。本

3、文針對背景建模所獲取的運動物體無法有效分割的問題，引入了基于深度學(xué)習(xí)的目標檢測器。將背景建模所獲取的運動前景送入目標檢測器中，使該檢測器對每塊前景中的每個物體逐個進行定位識別。最后將所獲得的物體類別與位置映射到所要檢測的整幅圖像中。形成一個完整而魯棒的小區(qū)卡口監(jiān)控視頻運動目標標注系統(tǒng)。最后，通過大量的對比實驗來測試算法處理的效果，驗證了本文所提出的算法的有效性和魯棒性。
　　本文有機的結(jié)合了基于背景建模的前景獲取與基于深度學(xué)習(xí)的目