視頻監(jiān)控系統(tǒng)中運動檢測與跟蹤技術的研究.pdf

1、隨著人工智能和計算機技術的發(fā)展，機器視覺技術研究取得了長足的進步，并引起了越來越多的關注。目前，根據(jù)機器視覺完成的運動檢測、識別、跟蹤廣泛地應用于國防建設、航空航海、醫(yī)藥衛(wèi)生、安全監(jiān)控等國民經(jīng)濟的各個領域。運動檢測與跟蹤則是其中一個重要的研究方向。運動檢測的目的是檢測某監(jiān)控區(qū)域內(nèi)是否出現(xiàn)目標物體并確定目標出現(xiàn)的位置、大小等信息；目標跟蹤的目的是對選中的目標進行軌跡的描述，涉及到目標特征的提取、特征描述、目標匹配等多個方面。 本文

2、研究的主要目標是仿真實現(xiàn)對視頻序列中人體運動目標的實時監(jiān)控。系統(tǒng)主要由檢測與跟蹤兩個模塊構成，文中分別對檢測和跟蹤的算法進行了分析和研究，并提出相應的改進依據(jù)和改進方法，最后將兩者結合，實現(xiàn)了在靜止背景與微弱動態(tài)背景下對人體目標的全自動準實時的跟蹤。 本文首先提出了一種適合靜止背景與微弱動態(tài)背景視頻序列的運動目標檢測方法。該方法首先對象素做混合高斯建模(Gaussian Mixture Model，簡稱GMM)，在判斷像素是背景

3、還是前景點時，傳統(tǒng)GMM采用了參考相同位置上像素樣本的期望和方差參數(shù)的策略。然而像素鄰域間的信息對像素的分類至關重要?；诖?，在判決過程中，提出對前景點集做空間域二次判決的策略?？臻g域二次判決在一次判決的基礎上，利用鄰域像素的歷史統(tǒng)計值信息進行重判決，可篩選出“偽前景點”,解決混合高斯模型分離法無法正確檢測背景物體棱角、邊緣處像素的問題。運動檢測的另一個難點是陰影消除。本文結合背景像素亮度特性，對前景像素的歸一化亮度進行空間域二次判決，

4、同樣取得良好的去除陰影效果。最后，經(jīng)過對GMM背景分離法的多次試驗分析，對部分參數(shù)進行了優(yōu)化：將建?？臻g從一維推廣到三維，并重新定義了方差收斂函數(shù)。實驗證明基于空間域二次判決策略的GMM分離法可降低背景像素的誤檢率和有效抑制運動物體的陰影。 本文的跟蹤算法主要基于Mean-Shift算法和粒子濾波算法。在Mean-Shift理論的分析基礎上，首先歸納了Mean-Shift算法在跟蹤應用上的具體步驟。其次，從圖像處理學角度上定義了

5、目標可見度，并給出相應的數(shù)學計算式。通過目標可見度和Mean-Shift核函數(shù)帶寬作用的研究，闡述了在目標遭遇遮擋和動態(tài)復雜背景情況下跟蹤效果不佳的原因。針對目標大面積遮擋的情況，本文提出多項式擬合運動曲線的方法來估算目標處于遮擋狀態(tài)時的位置；針對動態(tài)復雜背景，本文結合粒子濾波和Mean-shift各自的優(yōu)點，設計了基于粒子濾波器的Mean-shift跟蹤算法。跟蹤算法選舉圖像核直方圖作為目標模板的特征描述，在跟蹤過程中，能自適應調整標