公安警務(wù)領(lǐng)域的運(yùn)動(dòng)目標(biāo)檢測(cè)東莞監(jiān)控安裝公司表示通過與處理、背景建模、目標(biāo)分割等流程從視頻或圖像中提出感興趣的目標(biāo)，如人、車、物等，并確定當(dāng)前目標(biāo)所在畫面的位置、大小，為后續(xù)的行人識(shí)別、車輛識(shí)別等做準(zhǔn)備。運(yùn)動(dòng)目標(biāo)檢測(cè)是后續(xù)跟蹤識(shí)識(shí)別等算法的基礎(chǔ)，其準(zhǔn)確率和性能直接影響了后續(xù)算法分為基于背景建模的檢測(cè)算法和基于目標(biāo)建模的檢測(cè)算法。

        （1）基于背景建模的運(yùn)動(dòng)目標(biāo)檢測(cè)

        基于背景建模的運(yùn)動(dòng)目標(biāo)檢測(cè)具有簡(jiǎn)單、速度快、受遮擋影響小等優(yōu)勢(shì)，但是背景建模要求背景固定、目標(biāo)運(yùn)動(dòng)。東莞監(jiān)控安裝公司表示因此在要求實(shí)時(shí)性強(qiáng)、攝像機(jī)固定的場(chǎng)景中應(yīng)用廣泛。

        基于背景建模的運(yùn)動(dòng)目標(biāo)檢測(cè)首先進(jìn)行背景建模，然后通過當(dāng)前畫面與背景圖像的相減即可得到運(yùn)動(dòng)目標(biāo)。但是模型建立后，可能對(duì)場(chǎng)景的變化比如光、云影、樹葉、波浪等比較敏感，而良好的背景模型能消除或減少背景動(dòng)態(tài)花邊對(duì)于運(yùn)動(dòng)目標(biāo)檢測(cè)帶來(lái)的影響。

        目前有很多致力于背景建模與維護(hù)，如卡爾曼濾波建模、均值濾波、非參數(shù)化模型、近似種植濾波、線性濾波、近似中值濾波、基于高斯假設(shè)的迭代方法、基于聚類的方法、基于隱馬爾科夫的方法、基于自回歸模型的方法、東莞監(jiān)控安裝公司表示還有基于在線學(xué)習(xí)的方法以及基于時(shí)空背景隨機(jī)更新的VIBE方法，其中，混合多高斯背景建模方法是目前普遍應(yīng)用的一種前景提取方法。

        （2）基于目標(biāo)建模的運(yùn)動(dòng)目標(biāo)檢測(cè)

        想對(duì)比基于背景建模的防范，基于目標(biāo)建模的運(yùn)動(dòng)目標(biāo)檢測(cè)能良好的適應(yīng)背景的運(yùn)動(dòng)，對(duì)目標(biāo)的運(yùn)動(dòng)狀態(tài)也沒有要求，但是由于要對(duì)大量訓(xùn)練目標(biāo)進(jìn)行統(tǒng)計(jì)學(xué)習(xí)，所以速度相對(duì)比較慢，一般適用于對(duì)實(shí)習(xí)性要求不強(qiáng)的應(yīng)用場(chǎng)景?；谀繕?biāo)建模的運(yùn)動(dòng)目標(biāo)檢測(cè)一般采用滑動(dòng)窗口的策略，掃描每個(gè)滑動(dòng)窗口的圖像，根據(jù)模型判定圖像是目標(biāo)還是背景，目標(biāo)檢測(cè)的效果取決于模型的魯棒性。

        東莞監(jiān)控安裝公司表示根據(jù)建模的方法不同，基于滑動(dòng)窗口的目標(biāo)檢測(cè)主要分為剛性全局模板檢測(cè)模型、基于視覺詞典的檢測(cè)模型、基于部件的檢測(cè)模型和深度學(xué)習(xí)模型等，其中剛性全局模板檢測(cè)模型中的梯度方向直方圖特征，成為近年來(lái)最有影響力和最為成功的特征之一，而基于深度學(xué)習(xí)的目標(biāo)檢測(cè)模型正在成為研究的熱點(diǎn)。

        以上文章來(lái)源由東莞監(jiān)控安裝http://m.shlyx.com/創(chuàng)通寶科技整理提供。