视频监控中运动物体的检测与跟踪的研究与实现

论文摘要

根据视频监控中对运动目标检测的需求,本文改进和设计了一种新的基于图像块的图像差值技术的运动目标检测算法。主要的工作包括:1.对图像进行初步预处理,考虑到运动物体的空间、时间特性,先通过图像帧的分块对比,确定运动区域的位置,再通过时间上的连续性来确定运动物体是否属实,从而消除某些非运动体的干扰,具有自适应性强、速度快等优点,适用于视频监控系统的基于视频序列的动目标检测方法。2.在运动目标阴影检测方面,从分析运动目标阴影的光学特性入手,研究了背景区域、目标区域和阴影区域在当前帧和背景帧中的差异。在对目前常用的阴影检测方法进行总结和实验的基础上,本文改进了一种基于HSV阴影检测算法。首先得到前景区域和背景区域的HSV差分图和差分直方图,用Otsu方法确定差分图中目标物体和阴影分离的阈值,再对H、S、V分量进行加权,从而准确地检测和消除阴影。Otsu方法确定阈值,具有适应性强的特点,对各分量加权,提高了检测的精度。3.本文还介绍了利用以上算法的的监控软件的实现,同时给出了系统的框架结构、硬件构成等系统解决方案,最后给出了软件的客户端图像监控的实际运行效果。论文的工作成果已经投入实际应用。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 监控系统的背景和研究意义
• 1.2 视频监控的现状及发展特点
• 1.3 视频监控的研究内容
• 1.4 本文的主要内容
• 1.5 本文的组织结构
• 第二章 理论基础
• 2.1 目标跟踪过程的描述
• 2.2 视频图像的预处理
• 2.2.1 视频去噪技术
• 2.3 色彩空间
• 2.3.1 RGB 色彩空间
• 2.3.2 CIE 色彩空间
• 2.3.3 正交色彩空间
• 2.3.4 感知色彩空间（PCS）
• 2.3.5 适用于数字图像处理的色彩空间
• 2.4 运动物体检测与提取算法的分类
• 2.4.1 基于光流场分析的算法
• 2.4.2 基于图像差分的跟踪算法
• 2.4.3 基于模型的跟踪算法
• 2.4.4 基于主动轮廓的算法
• 2.5 阴影检测方法
• 2.5.1 基于三维建模的阴影检测方法
• 2.5.2 基于光源和背景假设的阴影检测法
• 2.5.3 基于边缘检测的阴影消除方法
• 2.5.4 颜色空间分布概率密度统计的方法
• 2.5.5 HSV 颜色分析法
• 2.6 本章小结
• 第三章 视频序列中运动物体的检测与跟踪
• 3.1 引言
• 3.2 视频图像的分析
• 3.3 视频图像的处理方法
• 3.4 运动物体的检测与提取
• 3.5 基于特征的方法
• 3.6 基于模型的方法
• 3.6.1 背景减除
• 3.6.2 连续帧差法
• 3.6.3 光流法
• 3.7 运动物体的提取及其补偿
• 3.8 基于运动矢量特性的运动检测及实验结果
• 3.8.1 图像的帧间运动检测
• 3.8.2 运动物体的时间间隔
• 3.9 实验结果及分析
• 3.10 本章小结
• 第四章 阴影检测
• 4.1 引言
• 4.2 阴影的分类
• 4.3 阴影的光谱性质
• 4.4 阴影检测的分类方法
• 4.4.1 统计的非参数方法（SNP）
• 4.4.2 统计的参数方法（SP）
• 4.4.3 基于色彩的确定性非模型方法（DNM1）
• 4.4.4 基于空间冗余的确定性非模型方法（DNM2）
• 4.5 阈值确定的 OTSU 法
• 4.6 本文采取的阴影检测方法
• 4.7 实验结果及分析
• 4.8 本章小结
• 第五章 具有运动目标检测功能的监控系统的实现
• 5.1 系统特点及设计目标
• 5.2 系统硬件组成
• 5.3 软件功能设计与实现
• 5.4 程序运行结果
• 第六章 全文总结与展望
• 6.1 全文总结
• 6.2 改进和发展
• 参考文献
• 致谢
• 在学期间的研究成果及发表的学术论文