论文摘要
智能视频监控是计算机视觉领域的一个新兴的应用方向和备受关注的前沿课题,相对于传统的视频监控系统,智能视频监控系统具有监控能力强、安全隐患少,节省人力物力资源的优点。它在交通、银行、宾馆、商场等重要场所的监控中有广泛的应用前景。本文旨在设计摄像头静止情况下的智能视频监控系统,在分析现有成果的基础上,对运动目标的检测和识别的相关技术进行了改进和实现。主要内容如下:(1)本文采用基于背景模型的运动目标检测方法,对传统混合高斯模型进行改进。第一,简化背景模型建立和初始化过程,扩展运动目标检测方法的应用范围。第二,建立S和V分量混合模型,增加目标检测的精确度。第三,借鉴帧间差分法的思想,通过设置循环计数器和动态设置学习率的方法对变化的背景区域进行重建,解决背景突变的问题。(2)针对初步提取的运动目标中存在的影响目标特征提取的噪声问题,本文中采用中值滤波和形态学滤波结合的办法去掉背景噪声。对于前景中存在的阴影,本文在RGB色彩模型的基础上提出一种阴影检测算法来检测阴影区域。(3)为了应对场景中存在多目标情况,本文采用8连通域检测,对目标像素做分组标记,同时去掉非目标噪声区域。针对目标区域描述的问题,本文提出了一种套接多边形边界的算法来代替传统的套接矩形和圆形的算法,该算法能够更准确的描述运动目标区域,提高提取目标特征的精确度。(4)在运动目标识别的过程中,本文提出采用目标边缘的不变矩特征构建特征向量,并通过目标特征向量之间的欧氏距离来进行识别。这样,在保留不变矩作为识别特征的优良特性的基础上,又在很大程度上减少了计算量,提高了系统识别的实时性。相关试验的结果证明了本文中的算法的有效性,可应用在复杂场景条件下快速提取背景模型,检测运动目标并识别目标类型。