智能視頻監(jiān)控中的運動目標(biāo)檢測方法研究.pdf

1、智能視頻監(jiān)視系統(tǒng)是計算機(jī)視覺領(lǐng)域中一個備受關(guān)注的前沿方向，是該領(lǐng)域中的研究熱點，也是保證現(xiàn)代社會公共安全的重要高科技手段與技術(shù)。在視頻序列中把前景從背景圖像中分離是計算機(jī)視覺領(lǐng)域中的最基本任務(wù)，具有廣泛的應(yīng)用前景，例如，視頻監(jiān)控系統(tǒng)、智能交通系統(tǒng)、入侵檢測和機(jī)場安全監(jiān)控等領(lǐng)域。然而，針對不同的監(jiān)控場景，目前運動物體檢測方法由于算法復(fù)雜、耗時以及缺乏魯棒性，在實際的處理和應(yīng)用中受到了很大的限制。本文的研究目的是對智能視頻監(jiān)視系統(tǒng)中的關(guān)鍵技

2、術(shù)——運動目標(biāo)檢測技術(shù)和陰影去除技術(shù)進(jìn)行了研究，該方法能夠更加有效地提高系統(tǒng)的魯棒性和實時性，實現(xiàn)無人值守的目的。本文完成的主要研究工作如下： 1、運動目標(biāo)檢測方法研究幾十年來，關(guān)于背景建模方法的研究十分活躍。為了檢測出運動目標(biāo)，每一幀當(dāng)前圖像要與已建立的背景模型進(jìn)行差值比較，將當(dāng)前圖像中的前景與背景分離。但在實際運用中，動態(tài)變化的戶外場景是背景建模中遇到的主要瓶頸。雖然高斯混合背景建模方法和基于非參數(shù)的背景建模方法是目前非常流

3、行的兩種建模方法，但這兩種方法由于存儲量大和計算比較費時，在實際應(yīng)用中受到很大限制。為了克服這些缺點，本文提出了一種基于聚類思想的動態(tài)背景建模方法。在動態(tài)背景中，對于每個像素，其直方圖在一段時間內(nèi)通常是呈多峰分布的，這樣，把每個峰作為一個子類，我們運用聚類技術(shù)來建立和更新動態(tài)背景模型。然后，運動目標(biāo)就會被準(zhǔn)確、快速地從已建立的背景模型中分離。而且，本文運用數(shù)學(xué)形態(tài)學(xué)方法和基于模式化的后處理方法來處理噪聲。大量實驗結(jié)果證明，本文提出的方法

4、能夠有效地捕獲和適應(yīng)動態(tài)變化的背景場景，另外，本文提出的運動目標(biāo)檢測算法易于在基于DSP或FPGA的硬件系統(tǒng)中實現(xiàn)。 2、運動目標(biāo)影子去除方法研究運動目標(biāo)的陰影檢測與去除對于目標(biāo)跟蹤、分類和識別等后期處理都是一個關(guān)鍵性問題，由于陰影的存在，會給上述后期處理帶來干擾甚至失敗。本文在前人研究的基礎(chǔ)上進(jìn)行了改進(jìn)，提出了基于梯度特征的邊緣輪廓去陰影法和基于HSV顏色空間去陰影法相結(jié)合的判別方法，然后應(yīng)用游程連通域分析算法最終確定和去除陰