智能視頻監(jiān)控系統(tǒng)中運動目標檢測與跟蹤算法的應(yīng)用實現(xiàn).pdf

1、隨著人們對安全需求的增加和計算機視覺技術(shù)的快速發(fā)展，智能視頻監(jiān)控系統(tǒng)得到了廣泛的應(yīng)用，并成為該領(lǐng)域的研究熱點。智能視頻監(jiān)控系統(tǒng)通過對視頻內(nèi)容進行分析，實現(xiàn)對監(jiān)控場景中運動目標的檢測、跟蹤和行為分析，并對觸發(fā)事件規(guī)則的目標及時進行報警、錄像等處理。智能視頻監(jiān)控系統(tǒng)被用于安防事業(yè)、智能交通、平安城市等諸多領(lǐng)域，具有廣泛的應(yīng)用前景和巨大的理論研究價值。
　　 本課題源于科技型中小企業(yè)技術(shù)創(chuàng)新基金項目:基于TD-SCDMA的遠程無線視頻

2、監(jiān)控系統(tǒng)，以視頻高清化、傳輸無線化、視頻分析智能化為重點研究目標。論文在研究運動目標檢測與跟蹤算法、異常行為判斷規(guī)則的基礎(chǔ)上，利用OpenCV實現(xiàn)系統(tǒng)的智能性。
　　 為準確檢測出運動目標，文章研究幀間差分、背景差分和光流法的原理，分析驗證各自的優(yōu)缺點及使用場景，本文針對攝像機固定場景下，選擇基于混合高斯背景模型的運動目標檢測方法，實現(xiàn)系統(tǒng)運動目標檢測模塊，并驗證其有效性。文章對常用的跟蹤算法:Kalman濾波器、MeanShi

3、ft算法和CamShift算法進行研究，并分析驗證他們的優(yōu)缺點，采用結(jié)合Kalman濾波器的CamShift跟蹤算法實現(xiàn)對目標的實時跟蹤:首先利用Kalman濾波器對運動目標在下一幀中的位置進行預(yù)測，然后利用CamShift算法對運動目標進行定位，并將其位置信息反饋到Kalman濾波器，經(jīng)過反復(fù)循環(huán)完成對目標的跟蹤。利用該算法實現(xiàn)目標跟蹤模塊并驗證了其有效性。為實現(xiàn)行人異常行為的判斷，文章分析了進入（退出）區(qū)域、單（多）絆線、行人徘徊等

4、異常行為的特征，并定義了相應(yīng)的判斷規(guī)則，然后根據(jù)目標的運動軌跡完成異常行為判斷，最后通過系統(tǒng)測試驗證了規(guī)則的正確性。
　　 以C++為開發(fā)語言，在Visual Studio2010開發(fā)環(huán)境下，利用開源的計算機視覺庫OpenCV并結(jié)合多線程技術(shù)設(shè)計實現(xiàn)了智能視頻分析系統(tǒng)。通過分析行人的運動軌跡，實現(xiàn)了進入（退出）區(qū)域、單（多）絆線入侵和行人徘徊等異常行為的檢測預(yù)警功能。最后對系統(tǒng)進行測試，驗證了系統(tǒng)設(shè)計的合理性和系統(tǒng)功能的魯棒性與