智能視覺監(jiān)控中的運(yùn)動(dòng)目標(biāo)檢測與跟蹤.pdf

1、智能視覺監(jiān)控是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)應(yīng)用熱點(diǎn)，它能在不需要人干預(yù)的情況下，通過自動(dòng)分析攝像機(jī)拍錄的圖像序列來對(duì)被監(jiān)控場景中的變化進(jìn)行定位、跟蹤和識(shí)別，并在此基礎(chǔ)上分析和判斷有關(guān)目標(biāo)的行為。運(yùn)動(dòng)目標(biāo)的檢測和跟蹤是智能視覺監(jiān)控系統(tǒng)的基礎(chǔ)。
　　本文的主要目標(biāo)是尋找一種可應(yīng)用于DSP的室外多運(yùn)動(dòng)目標(biāo)實(shí)時(shí)檢測與跟蹤算法，以期實(shí)現(xiàn)智能視覺監(jiān)控系統(tǒng)的小型化和智能化。首先，文章對(duì)智能視覺監(jiān)控系統(tǒng)中的室外運(yùn)動(dòng)目標(biāo)檢測和跟蹤的常用算法——最近領(lǐng)域法和

2、Mean shit算法進(jìn)行了研究。文章選取單高斯背景模型進(jìn)行背景建模，并使用PETS2001數(shù)據(jù)庫中的標(biāo)準(zhǔn)測試序列對(duì)最近鄰法和Mean shift算法兩種算法進(jìn)行了比較。實(shí)驗(yàn)結(jié)果表明，最近鄰法運(yùn)算速度快，但在距離較近時(shí)易發(fā)生跟蹤出錯(cuò)；Mean shift由于采用了顏色特征，跟蹤結(jié)果優(yōu)于最近領(lǐng)域法，但運(yùn)算量大，不利于算法最終在DSP設(shè)備上的實(shí)時(shí)性實(shí)現(xiàn)，且對(duì)光照變化敏感。
　　鑒于最近鄰法和Mean shift的缺點(diǎn)，本文對(duì)最近鄰法進(jìn)

3、行了改進(jìn)，提出了一種可用于DSP的室外多目標(biāo)跟蹤算法。算法在最近鄰法的基礎(chǔ)上，新增搜索窗口閾值，并引入Kalman濾波器對(duì)目標(biāo)進(jìn)行預(yù)測，以確保運(yùn)動(dòng)過快的目標(biāo)同樣能被正確跟蹤。算法首先在被跟蹤目標(biāo)周圍的搜索窗口進(jìn)行搜索，若僅有一個(gè)團(tuán)塊進(jìn)入搜索窗口，則認(rèn)為此團(tuán)塊為被跟蹤目標(biāo)；若出現(xiàn)多團(tuán)塊的情況，算法將利用局部二值化（LBP）紋理特征對(duì)進(jìn)入候選區(qū)域的團(tuán)塊進(jìn)行區(qū)分，選取和被跟蹤目標(biāo)相似度最大的團(tuán)塊作為跟蹤目標(biāo)。紋理特征克服了光照變化的影響，同時(shí)

4、，LBP算子的引入，大大的減小了運(yùn)算的復(fù)雜度，從根本上保證了算法的實(shí)時(shí)性。
　　最后，為了實(shí)現(xiàn)對(duì)某類特定目標(biāo)的跟蹤，本文對(duì)攝像機(jī)的標(biāo)定進(jìn)行了研究。利用攝像機(jī)仿射模型對(duì)監(jiān)視場景建模，算法可利用目標(biāo)在圖像中的像素高度估算目標(biāo)的實(shí)際高度，為算法的更深層次的應(yīng)用打下了基礎(chǔ)。
　　大量的實(shí)驗(yàn)證明了新算法的可行性和魯棒性。目前，算法已經(jīng)成功應(yīng)用于某智能視覺系統(tǒng)，并在檢測和跟蹤的基礎(chǔ)上實(shí)現(xiàn)了汽車、人、自行車的人車分類和汽車入侵檢測等高級(jí)功