Moving Object Detection Using Background Subtraction Algorithms

Thèse de Master , 2014 , 58 Pages , Note: 9.2

Informatique - L'informatique théorique

In this thesis we present an operational computer video system for moving
object detection and tracking . The system captures monocular frames of
background as well as moving object and to detect tracking and identifies
those moving objects. An approach to statistically modeling of moving object
developed using Background Subtraction Algorithms. There are many
methods proposed for Background Subtraction algorithm in past years.
Background subtraction algorithm is widely used for real time moving object
detection in video surveillance system. In this paper we have studied and
implemented different types of methods used for segmentation in Background
subtraction algorithm with static camera. This paper gives good understanding
about procedure to obtain foreground using existing common methods of
Background Subtraction, their complexity, utility and also provide basics which
will useful to improve performance in the future . First, we have explained the
basic steps and procedure used in vision based moving object detection.
Then, we have debriefed the common methods of background subtraction like
Simple method, statistical methods like Mean and Median filter, Frame
Differencing and W4 System method , Running Gaussian Average and
Gaussian Mixture Model and last is Eigenbackground Model. After that we
have implemented all the above techniques on MATLAB software and show
some experimental results for the same and compare them in terms of speed
and complexity criteria. Also we have improved one of the GMM algorithm by
combining it with optical flow method, which is also good method to detect
moving elements.

Inhaltsverzeichnis

• LIST OF FIGURES
• LIST OF TABLES
• INDEX
• CHAPTER 1
  • INTRODUCTION
  • Objective
  • Applications
  • Literature Survey
  • Organization Of the Report
• CHAPTER 2
  • BLOCK DIAGRAM AND CHALLANGES
  • General Steps For Object Detection
  • Challenges
• CHAPTER 3
  • STUDY OF DIFFERENT BACKGROUND SUBTRACI'ION ALGORITHMS
  • SIMPLE BACKGROUND SUBTRACTION METHOD
  • MEAN FILTERING METHOD
  • MEDIAN FILTERING METHOD
  • W4 SYSTEM METHOD
  • FRAME DIFFERENCING METHOD
  • RUNNING GAUSSIAN AVERAGE MODEL
  • GAUSSIAN MIXTURE MODEL
  • EIGENBACKGROUND
• CHAPTER 4
  • COMPARISION OF ALGORITHMS
• CHAPTER 5
  • OPTICAL FLOW
  • The Smoothness Constraint
  • Determining Optical Flow Using Horn - Schunck Algorithm
  • Estimation Of Classical Partial Derivatives
  • Experiment Results
• CHAPTER 6
  • COMBINE GMM & OPTICAL FLOW
• CHAPTER 7
  • SHADOW DETECTION
  • HSV/HSI MODE (Hue Saturation Value/Intensity)
  • Shadow Detection
• CHAPTER 8
  • CONCLUSION AND FUTURE WORK
• REFERENCES

Zielsetzung und Themenschwerpunkte

Diese Dissertation befasst sich mit der Entwicklung und Implementierung eines computergestützten Videosystems zur Erkennung und Verfolgung von sich bewegenden Objekten. Das System basiert auf Hintergrundsubtraktionsalgorithmen und zielt darauf ab, die Effizienz und Genauigkeit der Objekterkennung in Echtzeit zu verbessern. Die Arbeit untersucht verschiedene Hintergrundsubtraktionsmethoden und analysiert deren Leistung hinsichtlich Geschwindigkeit, Speicherbedarf und Genauigkeit. Darüber hinaus wird ein kombinierter Ansatz aus GMM (Gaussian Mixture Model) und Optical Flow vorgestellt, um die Robustheit der Objekterkennung gegenüber Beleuchtungsschwankungen zu erhöhen.

• Objekterkennung und -verfolgung in Echtzeit
• Hintergrundsubtraktionsalgorithmen
• Vergleich verschiedener Methoden zur Hintergrundsubtraktion
• Kombinierter Ansatz aus GMM und Optical Flow
• Schattenerkennung und -unterdrückung

Zusammenfassung der Kapitel

Kapitel 1 bietet eine Einführung in das Thema der visuellen Überwachung und erklärt die Notwendigkeit für die Entwicklung eines robusten Systems zur Objekterkennung und -verfolgung. Es werden die Ziele der Dissertation, die Anwendungen und der aktuelle Stand der Forschung im Bereich der Objekterkennung und -verfolgung erläutert.

Kapitel 2 beschreibt den grundlegenden Ablauf der Objekterkennung und die Herausforderungen, die bei der Implementierung von Hintergrundsubtraktionsalgorithmen auftreten können. Es werden die wichtigsten Schritte des Objekterkennungsprozesses, wie z. B. die Hintergrundsubtraktion, die Filterung und die Verbindung von Regionen, erläutert.

Kapitel 3 untersucht verschiedene gängige Hintergrundsubtraktionsalgorithmen, darunter die einfache Hintergrundsubtraktion, die Mittelwert- und Medianfilterung, das W4-System, das Frame-Differenzierungsverfahren, das Running Gaussian Average Model, das Gaussian Mixture Model und das Eigenbackground-Verfahren. Für jede Methode wird die Funktionsweise, die Implementierung und die Analyse der Ergebnisse beschrieben.

Kapitel 4 bietet einen Vergleich der in Kapitel 3 beschriebenen Algorithmen hinsichtlich Geschwindigkeit, Speicherbedarf und Leistung. Die Ergebnisse werden in einer Tabelle zusammengefasst, um die Vor- und Nachteile der verschiedenen Methoden aufzuzeigen.

Kapitel 5 befasst sich mit der Optical Flow-Methode, die die Bewegung zwischen zwei aufeinanderfolgenden Bildern berechnet. Es werden die Grundlagen des Optical Flow, die Glättungseinschränkung und die Funktionsweise des Horn-Schunck-Algorithmus erläutert. Darüber hinaus werden die Ergebnisse von Experimenten mit dem Horn-Schunck-Algorithmus vorgestellt.

Kapitel 6 präsentiert einen kombinierten Ansatz aus GMM und Optical Flow, um die Genauigkeit der Objekterkennung unter Beleuchtungsschwankungen zu verbessern. Die Ergebnisse des kombinierten Ansatzes werden mit denen des Standard-GMM-Verfahrens verglichen, um die Vorteile des kombinierten Ansatzes zu demonstrieren.

Kapitel 7 befasst sich mit der Schattenerkennung, einem wichtigen Problem bei der Objekterkennung mit Hintergrundsubtraktion. Es wird die HSV-Farbmodell vorgestellt und ein einfacher Ansatz zur Schattenerkennung anhand von Schwellenwerten im HSV-Farbraum beschrieben.

Kapitel 8 fasst die Ergebnisse der Dissertation zusammen und bietet einen Ausblick auf zukünftige Forschungsrichtungen. Es werden die wichtigsten Erkenntnisse der Arbeit hervorgehoben und mögliche Verbesserungen und Erweiterungen des Systems für die Objekterkennung und -verfolgung diskutiert.

Schlüsselwörter

Die Schlüsselwörter und Schwerpunktthemen des Textes umfassen die Objekterkennung, die Hintergrundsubtraktion, die visuelle Überwachung, die Echtzeitverarbeitung, die Beleuchtungsschwankungen, die Schattenerkennung, das Gaussian Mixture Model (GMM), der Optical Flow und der Horn-Schunck-Algorithmus. Die Dissertation untersucht verschiedene Algorithmen zur Hintergrundsubtraktion und analysiert deren Leistung hinsichtlich Geschwindigkeit, Speicherbedarf und Genauigkeit. Darüber hinaus wird ein kombinierter Ansatz aus GMM und Optical Flow vorgestellt, um die Robustheit der Objekterkennung gegenüber Beleuchtungsschwankungen zu erhöhen.

• Note: 9.2
• Auteur: Priyank Shah (Auteur)
• Année de publication: 2014
• Pages: 58
• N° de catalogue: V275108
• ISBN (ebook): 9783656672661
• ISBN (Livre): 9783656672678
• Langue: anglais
• mots-clé: moving, object, detection, using, background, subtraction, algorithms