视频监控系统中的运动目标检测算法研究

论文摘要

随着计算机网络和现代经济的发展,视频监控已近广泛渗透到了人们生活的各个方面,成为保障人们公共安全,打击违法犯罪,防止自然灾害发生的重要手段。运动目标检测作为视频监控的首要步骤,有着非常重要的研究意义和应用价值。本文根据广西科技攻关项目《高分辨率通信基站监控控制系统》的研制要求,对监控场景的背景图像模型构建和运动目标检测、阴影消除、抑制光照变化影响等问题进行了全面深刻的研究。本文主要在如下几方而取得了一些研究成果：(1)针对传统混合高斯背景模型全局更新速率无法自适应场景变化的问题,本文在传统混合高斯模型的框架上提出有针对性的改进算法,该算法利用每个高斯分布的匹配概率独立地估计每个高斯分布的更新速率。同时更新所有与新输入像素匹配的高斯分布,而不是仅仅对新输入像素匹配权值最高的分布进行更新,这确保了每个高斯分布在系统的各个阶段都能进行有效的学习。仿真实验表明该改进算法能有效适应场景变化,提高了检测的有效性和可靠性(2)提出并实现了针对监控场景光照变化的实时检测的解决方案。光照的变化对运动目标的检测结果产生重要的影响,如不加以处理,影响系统后续步骤的正常进行。本文用视频图像灰度直方图衡量光照的变化,并以灰度直方图熵为计算基础引入光照参数,利用连续两帧视频图像的光照参数的绝对差来判别光照的变化。同时将光照参数引入到高斯背景模型全局更新速率的计算,使得背景模型能够根据光照变化动态的更新,确保了监控系统的实用性。(3)实现了混合高斯背景模型分布的动态选择。传统混合高斯背景模型计算量大、实时性较低。为了提高系统检测的实时性,对处于静止区域的像素点,只建立单个或少量的高斯分布背景模型,而对于在运动区域的像素点,则自适应的为其分配多个高斯分布,从而有效的减少了计算量。(4)为了消除阴影,通过分析改进的混合高斯模型和梯度背景减除算法的检测结果,提出了一种有效、快速的基于运动目标轮廓信息的阴影消除算法,该算法的基本思想是在封闭的运动目标轮廓线外或与运动目标轮廓线交界小于阈值的区域为阴影,反之任何落在封闭轮廓线内部或与运动目标轮廓线交界大于阈值的区域为前景目标,仿真表明该算法能有效的消除阴影。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究意义和背景
• 1.1.1 课题研究意义
• 1.1.2 国内外研究现状
• 1.2 论文主要完成的工作和结构安排
• 1.3 本章小结
• 第二章 运动目标检测算法研究
• 2.1 运动目标检测概述
• 2.1.1 概述
• 2.1.2 运动目标检测面临的问题
• 2.2 光流法
• 2.3 相邻帧差法
• 2.3.1 相邻两帧差分法
• 2.3.2 对称帧差法
• 2.4 背景减除法
• 2.4.1 常用的背景模型
• 2.4.2 各种运动目标检测算法性能比较
• 2.5 本章小结
• 第三章 基于混合高斯模型的运动目标检测算法及其改进
• 3.1 混合高斯背景模型
• 3.1.1 混合高斯背景模型的建立
• 3.1.2 混合高斯背景模型参数的初始化
• 3.1.3 混合高斯背景模型的参数更新
• 3.1.4 背景分布的选取和运动目标的检测
• 3.2 自适应的混合高斯背景模型算法
• 3.2.1 自适应高斯模型的建立
• 3.2.2 实验分析
• 3.3 光照变化检测及消除
• 3.4 混合高斯背景模型分布的动态选择
• 3.5 本章小结
• 第四章 基于混合高斯模型和梯度检测的阴影检测算法
• 4.1 阴影概述
• 4.2 阴影检测算法研究
• 4.2.1 基于HSV颜色空间的阴影检测
• 4.2.2 基于YUV颜色空间的阴影检测
• 4.3 基于Sobel算子梯度检测和改进混合高斯模型的阴影检测算法
• 4.3.1 基于Sobel算子的梯度背景减除算法
• 4.3.2 阴影检测和消除
• 4.3.3 封闭轮廓线算法
• 4.3.4 实验分析
• 4.4 本章小结
• 第五章 总结与展望
• 5.1 论文工作总结
• 5.2 研究展望
• 参考文献
• 致谢
• 在攻读硕士学位期间发表的论文