1、隨著社會(huì)對(duì)安全的日益重視,與安全問(wèn)題息息相關(guān)的視頻監(jiān)控系統(tǒng)也越來(lái)越多的受到關(guān)注。前景檢測(cè)技術(shù)是視頻監(jiān)控的重要任務(wù)之一。它是目標(biāo)跟蹤、識(shí)別和定位等任務(wù)的重要前提,在視頻監(jiān)控系統(tǒng)、機(jī)器人導(dǎo)航、軍事監(jiān)控、交通檢測(cè)和醫(yī)學(xué)圖像分析等領(lǐng)域有廣泛的應(yīng)用。本文主要研究在復(fù)雜背景下的前景檢測(cè)算法,提出三種算法解決復(fù)雜背景下的前景檢測(cè)問(wèn)題。
　　 在前景檢測(cè)中,傳統(tǒng)基于像素級(jí)別的混合高斯建模算法常常受到噪聲和誤檢的干擾,而且無(wú)法處理前景運(yùn)動(dòng)異常和陰

2、影的存在。該算法在基于塊的粗糙檢測(cè)和基于像素級(jí)別的精確檢測(cè)相結(jié)合的算法基礎(chǔ)上,提出了一種多重參考背景模型能夠有效地檢測(cè)前景異常運(yùn)動(dòng)并去除鬼影,同時(shí)研究了一種新的陰影抑制算法。
　　 研究了一種基于非參量概率密度的算法,解決傳統(tǒng)算法樣本和閾值選取的機(jī)械性,根據(jù)特征點(diǎn)分類更為適宜的檢測(cè)前景。首先,改進(jìn)了一種SIFT-Displacement特征點(diǎn)描述子,并研究了一種核密度估計(jì)樣本選取算法和自適應(yīng)閾值定位算法。提出一種將特征點(diǎn)分類結(jié)果