论文摘要
智能视频监控(Intelligent Visual Surveillance,IVS)是计算机视觉领域一个新兴的研究方向,与传统的视频监控系统相比,它不仅能用摄像机代替人眼,还将借助于计算机软件构建一个自动化或半自动化的视频理解和分析系统,以提供及时准确的视频分析结果,并根据需要及时发出报警信息。主要研究内容包括运动物体的检测、运动物体的识别和跟踪、异常现象的检测和报警等。该系统在交通、公安、海关、银行、军事等许多领域都有重要的用途。智能视频监控系统的研究已引起国际上许多著名科研机构和研究人员的兴趣,如美国的Carnegie Mellon大学,国内的中科院自动化所等,都已经实现了自己的智能视频监控平台。为了提高监控系统的可靠性和智能化程度,必须研究鲁棒的视频监控算法,相关的研究涉及到许多难题。本论文对鲁棒的智能视频监控方法进行了深入细致的研究,研究对象是交通路口、住宅小区的监控视频,给出了一个鲁棒的智能视频监控的解决方案,能够适应复杂天气状况下的目标检测和跟踪,包括白天、夜间、雾天的场景,并在监控中完成对阴影和遮挡的处理。本文解决了该领域内的一些难题,例如,特殊天气条件下(如雾天)的图像复原算法,处在夜间场景中的运动物体检测方法,运动物体的阴影检测,监控过程中对运动目标遮挡的处理等。归纳起来本文主要完成了以下有特色的研究工作:(1)提出基于无偏卡尔曼滤波器(Unscented Kalman Filter,UKF)的背景提取方法,构建整体的运动物体检测框架。该方法通过对背景建模,分别从帧间差分和背景差分两个层次综合分析象素值的动态变化特性,然后借助UKF对两个模型参数进行在线更新,实现实时的运动物体分割。(2)雾天场景的能见度很低,为了保证视频监控系统的正常工作,本文提出一种新的基于物理模型的雾天图像复原方法,该方法首先对雾天场景的光学成像建模,然后借助于一张晴天和一张雾天的场景参考图像,计算出场景各点的深度比关系,最后利用深度关系复原雾天图像或雾天视频。(3)针对夜晚环境光线较暗的情况,提出了两种夜间图像增强和运动检测方法。算法能够增强夜间低质量图像的对比度,而且夜间车辆检测的效果也比较令人满意。并将夜间和白天的图像融合,使之包含全面的场景信息,更加适用于人体视觉和机器感知。(4)运动阴影的存在会导致多目标粘连,影响目标的识别与跟踪,本文从阴影的特性出发,提出了有效的解决方法,包括改进的基于特征的方法以及基于边缘特征和角点信息的方法,应用于各监控场景,能够实现运动阴影的检测和滤除。(5)针对目标跟踪中存在的遮挡问题,提出了一种基于运动预测框的目标跟踪算法,将它与基于车辆平行四边形轮廓的遮挡分割方法结合,构建了多车辆目标的实时跟踪系统。