37、实时运动检测与频繁项集挖掘算法研究

实时运动检测与频繁项集挖掘算法研究

实时运动检测算法

在智能视频监控系统中，运动目标检测是关键环节，然而处理室外光照的剧烈变化仍是运动目标检测领域的热门难题。目前，解决光照变化问题的主要方法各有优劣：
- 平均背景法 ：能实时检测运动目标，但光照急剧变化时会出现伪前景点问题。
- 高斯混合模型 ：可处理光照变化、背景变化等问题，但计算量大，且无法自动选择背景刷新率。
- 非参数技术 ：能对快速变化的场景建模，但需要大量内存空间存储帧图像序列。
- 隐马尔可夫模型 ：可解决室外环境的光照变化问题，但计算量大，无法满足实时检测要求。
- 码本模型 ：能为每个像素构建包含背景历史信息的码字，但对动态背景的适应性较差。

为解决室外光照变化问题，提出了一种基于 YUV 颜色空间的实时运动目标检测算法。

YUV 颜色空间的选择

与 RGB 和 HSV 这两种常用的颜色空间相比，YUV 颜色空间具有以下优势：
1. Y 分量与 U、V 分量分离，即亮度信号与色度信号相互独立。
2. RGB 到 YUV 颜色空间是线性变换，而 RGB 到 HSV 颜色空间是非线性变换。颜色空间从 RGB 到 YUV 的转换公式如下：
- (Y = 0.257R + 0.504G + 0.098B + 16)
- (U = -0.148R - 0.291G + 0.439B + 128)
- (V = 0.439R