智能視頻監(jiān)控中的目標(biāo)檢測技術(shù)研究.pdf

1、圖像以及視頻中的目標(biāo)檢測一直是計算機視覺研究領(lǐng)域的重點，也是智能視頻監(jiān)控系統(tǒng)中關(guān)鍵技術(shù)。本文的目標(biāo)是通過對常見視頻監(jiān)控環(huán)境下的目標(biāo)檢測算法的研究，獲得特定環(huán)境下實時、準(zhǔn)確的目標(biāo)檢測算法，為智能視頻監(jiān)控系統(tǒng)的上層應(yīng)用提供重要的基礎(chǔ)支持。
　　 本文主要包含兩個模塊：
　　 （1）基于離線機器學(xué)習(xí)的目標(biāo)檢測部分?；跈C器學(xué)習(xí)目標(biāo)檢測通用做法是通過對某類目標(biāo)大量樣本的學(xué)習(xí)獲得針對這類目標(biāo)的分類器，然后利用這個分類器在圖像和視頻

2、中檢測該類目標(biāo)。機器學(xué)習(xí)用于目標(biāo)檢測的過程更類似于人類對外界環(huán)境的理解和認識的過程。在這一部分，主要研究離線學(xué)習(xí)條件下的目標(biāo)檢測算法。簡要介紹兩種特征（Haar和HOG）的計算方法，介紹支持向量機（SVM）和Adaboost學(xué)習(xí)算法的基本原理。通過實驗具體分析Haar、HOG特征提取算法與SVM、Adaboost學(xué)習(xí)算法在特定監(jiān)控環(huán)境下的最佳組合問題，設(shè)計在該監(jiān)控環(huán)境下快速、準(zhǔn)確的目標(biāo)檢測系統(tǒng)。
　　 （2）基于背景建模的目標(biāo)檢

3、測部分。在這一部分我們簡要介紹混合高斯模型（GMM）、碼書（Codebook）以及基于紋理的背景建模（LBP）算法的基本原理，通過實驗對比分析其適用的環(huán)境及其優(yōu)缺點。在這里結(jié)合混合高斯模型（GMM）和碼書（Codebook）背景模型算法框架，提出一種改進的背景建模算法。這種算法能夠如GMM一樣準(zhǔn)確地估計像素點上采樣值的概率分布，同時能夠像Codebook算法一樣有較少的經(jīng)驗參數(shù)和實時高效的計算性能。由于傳統(tǒng)LBP編碼方法受噪聲干擾變化較

4、大，基于LBP編碼在每一位上應(yīng)該等權(quán)的考慮，改變LBP編碼的方式，去掉按位加權(quán)這一步驟，直接利用其二進制編碼分析圖像的統(tǒng)計特性。提出了基于漢明距離度量下的直方圖統(tǒng)計方法，去除了人為的對二進制碼加權(quán)的步驟，提高了統(tǒng)計直方圖抗干擾的性能，從而能夠獲得更穩(wěn)定的匹配性能。
　　 最后，對全文做歸納總結(jié)。提出了離線學(xué)習(xí)和背景建模算相結(jié)合起來設(shè)計自動目標(biāo)檢測系統(tǒng)的思路，以減少人工標(biāo)注樣本的工作量，同時提高目標(biāo)檢測系統(tǒng)的廣泛適應(yīng)性。