智能視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法的研究.pdf

1、作為一個(gè)涉及計(jì)算機(jī)視覺(jué)、圖像處理、智能控制等多門學(xué)科的研究前沿，智能視頻監(jiān)控技術(shù)已經(jīng)成為國(guó)內(nèi)外計(jì)算機(jī)視覺(jué)研究領(lǐng)域熱點(diǎn)問(wèn)題之一，它的研究有著非常重要的科學(xué)意義和極其廣闊的應(yīng)用前景。運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤作為智能視頻監(jiān)控最關(guān)鍵技術(shù)之一，其待解決問(wèn)題的挑戰(zhàn)性和技術(shù)復(fù)雜性吸引著、鼓勵(lì)著眾多計(jì)算機(jī)視覺(jué)研究人員投入該科研行列，并且每年提出的創(chuàng)新算法性能都顯著提升。但是實(shí)際應(yīng)用中，運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤仍然存在許多挑戰(zhàn)和難點(diǎn)問(wèn)題，這些都值得我們進(jìn)一步分析、

2、研究與探討。鑒于此，本文展開了對(duì)智能視頻監(jiān)控關(guān)鍵技術(shù)的研究。
　　首先，論文簡(jiǎn)要回顧了智能視頻監(jiān)控技術(shù)的研究現(xiàn)狀和發(fā)展趨勢(shì)，深入探討了智能視頻監(jiān)控的關(guān)鍵技術(shù)和難點(diǎn)問(wèn)題，并闡明了選題的背景和意義。接著，詳細(xì)研究了本文用到的數(shù)字圖像處理的基本理論知識(shí)，包括圖像灰度化、顏色模型、圖像去噪、直方圖均衡化及數(shù)學(xué)形態(tài)學(xué)理論等。以上這些基礎(chǔ)理論的研究為后續(xù)章節(jié)深入討論視頻圖像中運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)奠定了基礎(chǔ)。
　　其次，本文對(duì)光流法、背

3、景減除法、幀差法這三種運(yùn)動(dòng)目標(biāo)檢測(cè)算法分別進(jìn)行了分析。綜合比較這三種方法的優(yōu)缺點(diǎn)之后，提出了一種結(jié)合背景減除和時(shí)空熵的對(duì)稱差分目標(biāo)檢測(cè)算法。本文選用標(biāo)準(zhǔn)視頻測(cè)試序列“hall_monitor”以及“Intelligentroom”來(lái)驗(yàn)證算法的有效性。對(duì)比傳統(tǒng)對(duì)稱差分，本文改進(jìn)之后的對(duì)稱差分算法有很好的去噪能力，在目標(biāo)檢測(cè)的完整度上有很大的提高，有效地避免了目標(biāo)檢測(cè)的“鬼影”現(xiàn)象，極大地提升了運(yùn)動(dòng)目標(biāo)檢測(cè)的效率，并且能夠很好地克服光照變化

4、等環(huán)境噪聲的影響。
　　然后，從算法原理角度出發(fā)，介紹了運(yùn)動(dòng)目標(biāo)跟蹤的四大類型算法，并探討了當(dāng)前目標(biāo)跟蹤的技術(shù)難點(diǎn)。在這些理論的基礎(chǔ)上，深入研究了均值偏移(Mean Shift)與粒子濾波(Particle Filter)兩種經(jīng)典算法。均值偏移算法具有很好的實(shí)時(shí)性，但魯棒性較差;粒子濾波算法跟蹤準(zhǔn)確性很強(qiáng)，但計(jì)算量較大和粒子退化現(xiàn)象制約其實(shí)時(shí)性。針對(duì)它們各自的優(yōu)缺點(diǎn)，本文提出了一種融合Mean Shift的粒子濾波目標(biāo)跟蹤算法。該

5、算法利用MeanShift的聚類分析作用，提高了粒子采樣效率，有效抑制粒子退化現(xiàn)象;而且，在算法實(shí)現(xiàn)過(guò)程中加入了目標(biāo)模板更新環(huán)節(jié)，很好地解決了目標(biāo)遮擋問(wèn)題，在保證跟蹤效果的前提下大大降低了粒子濾波的計(jì)算量，使得其被應(yīng)用于實(shí)時(shí)監(jiān)控系統(tǒng)成為可能。
　　最后，在MATLAB7.10環(huán)境下，對(duì)PETS2001中的視頻測(cè)試序列“CAMERA1”進(jìn)行了仿真實(shí)驗(yàn)。通過(guò)結(jié)果分析，本文提出的新算法在粒子數(shù)較少、執(zhí)行時(shí)間不到傳統(tǒng)粒子濾波1/3的條件下