基于OpenCV的智能视觉监控系统的设计与实现

论文摘要

随着人们物质生活水平的提高和计算机视觉技术的发展,人们越来越重视对突发事件的预防和紧急事件的应对。智能视觉监控是实现安全监控的重要手段之一,它能在不需要人干预的情况下,对视频图像序列进行分析自动检测、跟踪与识别监控场景中的目标,并在此基础上进行更高层的行为理解和行为分析。运动目标检测和跟踪是智能视觉监控系统中的关键技术,具有广泛的应用价值。视觉监控系统主要包括两个部分：一个是运动目标的检测和提取,另一个是目标的预测与跟踪。本文的主要目标是在研究目标检测和跟踪算法的基础上,搭建一套跟踪系统实验平台。具体工作如下：1.研究了视觉监控中常用的目标检测算法——帧间差分法和背景减除法,给出了检测原理和步骤,并通过实验对帧差法和高斯模型进行了比较,实验结果体现了这两种方法的优缺点和适用场合。本文选取混合高斯模型进行背景建模。2.介绍了独立分量分析（Independent Component Analysis,ICA）的基本原理和相关的数学基础。提出将ICA算法应用于目标检测中,同时,用信息最大化的独立分量分析（Infomax）算法在MATLAB 7.0环境下进行了仿真实验。实验结果表明ICA是一种有效的目标检测方法。3.在目标跟踪方面,本文研究了CamShift跟踪算法和基于Kalman滤波的运动估计,详细介绍了两种方法的原理和步骤,这为设计系统的跟踪模块奠定了理论基础。4.设计并实现了基于OpenCV的智能视觉监控系统。本文首先根据系统的模块需求给出了整体架构；然后采用OpenCV视觉库在VC++6.0环境下编制了跟踪软件,并利用实验室的设备搭建了一套智能视觉监控系统。系统采用模块化设计,对自采集的视频序列和常用的视频序列进行测试,给出了相应的实验结果。结果表明系统成功实现了运动目标检测和跟踪任务,具有较好的实时性和鲁棒性。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 研究背景及意义
• 1.1.1 计算机视觉概述
• 1.1.2 视觉监控系统
• 1.2 国内外研究现状
• 1.2.1 运动检测方法
• 1.2.2 目标跟踪方法
• 1.2.3 视觉监控技术在实际应用中面临的问题
• 1.3 本文的主要研究内容与章节安排
• 第二章 输入图像的预处理
• 2.1 智能视觉监控系统中运动目标的检测和跟踪过程
• 2.2 输入视频图像的预处理
• 2.2.1 图像增强技术
• 2.2.2 图像形态学
• 2.3 本章小结
• 第三章 常见的运动目标检测方法
• 3.1 帧间差分法
• 3.2 背景减除法
• 4法'>3.2.1 W⁴法
• 3.2.2 统计平均法
• 3.2.3 基于高斯模型的背景建模法
• 3.3 前景目标的提取方法
• 3.3.1 图像的二值化
• 3.3.2 阈值的确定方法
• 3.3.3 前景目标的位置描述
• 3.4 本章小结
• 第四章 基于ICA的运动目标检测
• 4.1 ICA理论基础
• 4.1.1 ICA的问题模型
• 4.1.2 ICA算法
• 4.2 一种新颖的运动目标检测方法
• 4.3 实验结果与分析
• 4.4 本章小结
• 第五章 运动目标跟踪
• 5.1 CamShift算法
• 5.1.1 Mean Shift基础理论
• 5.1.2 颜色模型
• 5.1.3 CamShift跟踪算法
• 5.2 Kalman滤波
• 5.3 本章小结
• 第六章 系统的设计和实现
• 6.1 系统的整体架构
• 6.2 系统的实现
• 6.2.1 OpenCV概述
• 6.2.2 系统软件的设计
• 6.3 本章小结
• 第七章 工作总结与展望
• 参考文献
• 致谢