1、在很多計(jì)算機(jī)視覺和數(shù)字圖像處理的應(yīng)用中，從視頻序列中提取出運(yùn)動(dòng)目標(biāo)都是一項(xiàng)基礎(chǔ)而關(guān)鍵的任務(wù)。而運(yùn)動(dòng)目標(biāo)檢測(cè)融合了模式識(shí)別、數(shù)學(xué)和計(jì)算機(jī)科學(xué)等許多領(lǐng)域的先進(jìn)技術(shù)，已經(jīng)在視頻監(jiān)控、智能運(yùn)輸和行為分析等領(lǐng)域得到了廣泛應(yīng)用。隨著數(shù)字信號(hào)處理設(shè)備的高速發(fā)展，人們對(duì)實(shí)時(shí)視頻目標(biāo)檢測(cè)設(shè)備的需求日益提高。本文主要研究了基于背景建模的前景檢測(cè)問題，并且探討了在DM642數(shù)字信號(hào)處理器上的算法實(shí)現(xiàn)。非參數(shù)核密度模型是現(xiàn)在最常用的背景模型之一，其能快速的適應(yīng)

2、動(dòng)態(tài)場(chǎng)景的變化，對(duì)運(yùn)動(dòng)的目標(biāo)更為敏感。然而該模型算法復(fù)雜度大，對(duì)硬件存儲(chǔ)量要求較高，很難用于實(shí)時(shí)系統(tǒng)。
　　本文深入研究了非參數(shù)核模型，其根據(jù)像素的一組歷史采樣值估計(jì)像素的概率模型。然而，原始采樣集中包含著很多冗余信息和噪聲點(diǎn)，導(dǎo)致了大量的重復(fù)計(jì)算和估計(jì)誤差。針對(duì)這一問題，本文提出了一種基于聚類的非參數(shù)核背景模型。原始采樣集通過聚類，生成包含背景模型最重要、頻率最高特征的小樣本子集。不同顏色分量的核帶寬被用于區(qū)分小樣本集中不同的特

3、征樣本。另外，模型使用了色度坐標(biāo)來抑制陰影。實(shí)驗(yàn)證明，本文提出的背景建模方法能有效的檢測(cè)出運(yùn)動(dòng)目標(biāo)并降低在目標(biāo)檢測(cè)時(shí)的計(jì)算量和存儲(chǔ)要求。使用自適應(yīng)圖像差分的預(yù)處理技術(shù)來減少需進(jìn)行非參數(shù)核估計(jì)的像素?cái)?shù)。研究了最小平方中值(LMedS)算法的原理，來計(jì)算差分圖像的噪聲方差。從而得到時(shí)間背景差分的自適應(yīng)閾值。實(shí)驗(yàn)表明，大量因圖像噪聲導(dǎo)致顏色分量變化的背景像素被濾除了，為后續(xù)的處理降低了計(jì)算量。將本文所述算法移植到了基于TMS320DM642的