1、目前世界各國公共安全問題正日趨嚴峻，智能視頻監(jiān)控作為對特定場所實施安全監(jiān)控的一種重要手段，具有非常廣闊和光明的發(fā)展前景。其中運動目標檢測技術是視頻監(jiān)控系統(tǒng)的關鍵基礎，它對后續(xù)的處理和分析效果有決定性的作用。此外隨著DSP技術的不斷發(fā)展，使視頻監(jiān)控走向網絡化、實時化和智能化成為可能。本文著重研究了基于貝葉斯理論的運動目標檢測問題，并在DSP上進行算法的實現與優(yōu)化?；谪惾~斯理論的統(tǒng)計建模算法BM是現在較流行的背景建模方法之一，其建立在貝葉

2、斯分類理論的基礎上，能夠有效的利用先驗信息，實現對運動目標的精確分割。然而該模型需要對每個像素點進行建模，算法復雜度大，對硬件存儲量要求較高，很難用于實時檢測系統(tǒng)。
　　本研究主要內容包括：⑴研究了基于貝葉斯理論的統(tǒng)計建模算法BM，并對它進行改進，提出了一種基于聚類和貝葉斯理論的運動目標檢測算法CBM。該算法首先對視頻序列進行時間上的聚類分析，以此作為貝葉斯進一步判決的預處理，經過預處理后貝葉斯需要判別的點減少，可以較大的減少計算

3、復雜度，同時能夠保證得到較高的計算精度，并使貝葉斯精確判決的作用更加有效。⑵對聚類分析過程提出了改進。該方法采用融合Lab顏色空間的a、b兩維顏色信息、局部熵信息和像素點坐標信息的五維特征矢量來描述各個像素點，更充分的表征了各個像素點在時間上的變化，以更加準確的描述背景模型，達到更好的檢測效果。⑶研究了在多媒體DSP TMS320DM642平臺上的算法實現，詳細的描述了算法的移植過程，提出采用四種優(yōu)化措施對算法的實時處理能力進行改進。這

4、四種優(yōu)化措施包括：修改數據類型；對多重循環(huán)作拆分處理；使用intrinsics指令集；對存儲空間進行分配，通過四種優(yōu)化措施可實現對算法處理性能的改進，以滿足對場景的實時處理。⑷通過實驗證明，本文提出的CBM算法由于充分利用了像素時域間的相關性進行聚類預處理，與無聚類過程的貝葉斯背景建模算法相比，時間復雜度上降低了55％，準確率上平均提高約20％。在TMS320DM642平臺環(huán)境下，對通過四種優(yōu)化措施對改進的算法進行性能測試，測試結果表明