智能视频监控中的运动目标检测方法研究

论文摘要

智能视频监视系统是计算机视觉领域中一个备受关注的前沿方向,是该领域中的研究热点,也是保证现代社会公共安全的重要高科技手段与技术。在视频序列中把前景从背景图像中分离是计算机视觉领域中的最基本任务,具有广泛的应用前景,例如,视频监控系统、智能交通系统、入侵检测和机场安全监控等领域。然而,针对不同的监控场景,目前运动物体检测方法由于算法复杂、耗时以及缺乏鲁棒性,在实际的处理和应用中受到了很大的限制。本文的研究目的是对智能视频监视系统中的关键技术——运动目标检测技术和阴影去除技术进行了研究,该方法能够更加有效地提高系统的鲁棒性和实时性,实现无人值守的目的。本文完成的主要研究工作如下:1、运动目标检测方法研究几十年来,关于背景建模方法的研究十分活跃。为了检测出运动目标,每一帧当前图像要与已建立的背景模型进行差值比较,将当前图像中的前景与背景分离。但在实际运用中,动态变化的户外场景是背景建模中遇到的主要瓶颈。虽然高斯混合背景建模方法和基于非参数的背景建模方法是目前非常流行的两种建模方法,但这两种方法由于存储量大和计算比较费时,在实际应用中受到很大限制。为了克服这些缺点,本文提出了一种基于聚类思想的动态背景建模方法。在动态背景中,对于每个像素,其直方图在一段时间内通常是呈多峰分布的,这样,把每个峰作为一个子类,我们运用聚类技术来建立和更新动态背景模型。然后,运动目标就会被准确、快速地从已建立的背景模型中分离。而且,本文运用数学形态学方法和基于模式化的后处理方法来处理噪声。大量实验结果证明,本文提出的方法能够有效地捕获和适应动态变化的背景场景,另外,本文提出的运动目标检测算法易于在基于DSP或FPGA的硬件系统中实现。2、运动目标影子去除方法研究运动目标的阴影检测与去除对于目标跟踪、分类和识别等后期处理都是一个关键性问题,由于阴影的存在,会给上述后期处理带来干扰甚至失败。本文在前人研究的基础上进行了改进,提出了基于梯度特征的边缘轮廓去阴影法和基于HSV颜色空间去阴影法相结合的判别方法,然后应用游程连通域分析算法最终确定和去除阴影。通过实验对本文的方法进行了验证,证明该方法不仅确保了运动物体的完整性,而且易于实现,适合实时性的要求。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究的目的和意义
• 1.2 研究现状及存在的问题
• 1.3 本论文的研究内容
• 2 视频图像处理基础
• 2.1 引言
• 2.2 常用颜色模型介绍与分析
• 2.3 图像的预处理方法分析
• 2.3.1 图像的平滑滤波方法
• 2.3.1.1 频域上的滤波处理
• 2.3.1.2 实域上的滤波处理
• 2.4 图像的增强方法分析
• 2.4.1 灰度变换法
• 2.4.2 直方图均衡化
• 2.5 边缘检测算子
• 2.6 本章小结
• 3 运动目标检测方法研究
• 3.1 引言
• 3.2 目标检测几种主要方法的分析比较
• 3.2.1 图像序列差分法
• 3.3.2 混合高斯背景建模算法
• 3.2.3 基于非参数的密度核估计算法
• 3.3 基于聚类的动态背景建模算法研究
• 3.3.1 聚类方法的基本思想
• 3.3.2 基于聚类方法的背景学习过程
• 3.3.3 几种目标检测算法的优缺点比较
• 3.4 运动目标图像的分割方法研究
• 3.5 图像的后处理
• 3.5.1 噪声结构模式分析
• 3.5.2 数学形态学的基本思想
• 3.5.3 数学形态学方法
• 3.5.4 基于模式化后处理方法的基本思想
• 3.5.5 模式化后处理方法
• 3.6 实验结果分析
• 3.7 本章小结
• 4 运动目标影子去除方法研究
• 4.1 引言
• 4.2 阴影区域的检测与去除
• 4.2.1 阴影的概念及特征分析
• 4.2.2 基于颜色特征的阴影检测
• 4.2.2.1 确定和转换彩色空间
• 4.2.2.2 阴影检测与去除
• 4.2.3 基于梯度的阴影检测
• 4.2.3.1 Roberts 算子
• 4.2.3.2 阴影检测与去除
• 4.2.4 基于色度和梯度的游程连通域法去除阴影
• 4.3 实验结果分析
• 4.4 本章小结
• 5 结论与展望
• 参考文献
• 致谢
• 个人简历
• 发表的学术论文