动摄像机情况下目标检测及轨迹分析

论文摘要

运动目标检测是智能视频监控中研究热点问题之一,是识别、跟踪、行为分析等高层研究的基础问题。对于视频监控任务,摄像机通常是静止的,背景模型已知,目标检测相对容易。背景模型估计和背景差技术在这种情况中得到广泛应用。当摄像机运动时,由于摄像机导致了背景运动,运动目标检测任务变的更有挑战性。机器人导航、自动车辆驾驶技术以及航空拍摄图像中的目标检测,由摄像机获得的图像不可避免地存在着不规则的背景运动,因此传统的静止背景图像序列的目标检测技术无法在此应用。针对这种问题,本文对动摄像机情况下的运动目标检测进行了研究,提出了一种基于SIFT特征匹配和动态背景建模的运动目标检测算法。在研究中发现,SIFT特征点具有很好的特性,对图像的旋转、尺度缩放、亮度变化、仿射变换保持不变性,在图像匹配中具有良好的性质。该算法能够用SIFT匹配结果准确确定仿射模型参数,解决了由摄像机运动产生的连续背景运动的问题。用RANSAC算法剔除出现目标上的错误特征对应点,采用背景动态更新模型的背景差算法检测出了完整的前景目标,同时进行阴影和鬼影的去除。文中采用运动历史图的算法对运动目标进一步的研究,获得了运动目标的一些运动属性,加深了运动目标的运动状态的了解。本文同时对运动轨迹分析展开了研究。在研究的基础上,采用了一个合适的DTW作为不同长度轨迹之间的相似度量,对人和车辆的异常行为进行了检测。并加入了方向、速度信息,进一步确定了轨迹的运动状态。对不能匹配轨迹模板的轨迹产生报警。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 视频监控系统的发展与现状
• 1.3 智能视频监控中的关键技术和研究现状
• 1.3.1 智能视频监控技术组成
• 1.3.2 静态场景下的目标检测跟踪算法
• 1.3.3 动态场景中的运动目标检测算法
• 1.3.4 目标的识别、行为分析和理解
• 1.4 实际应用中面临的问题
• 1.4.1 实时性
• 1.4.2 鲁棒性
• 1.4.3 监控系统的评估
• 1.5 课题研究的工作内容安排
• 第二章 静摄像机情况下的运动目标检测
• 2.1 运动目标检测算法概述
• 2.1.1 相邻帧差法
• 2.1.2 背景差法
• 2.1.3 光流法
• 2.1.4 混合的算法
• 2.2 基于混合高斯模型的运动目标检测算法
• 2.2.1 背景模型的建立和更新
• 2.2.2 运动目标的检测和提取
• 第三章 动摄像机情况下的运动目标检测
• 3.1 动摄像机情况下目标检测方法综述
• 3.1.1 基于摄像机建模运动补偿的目标检测
• 3.1.2 基于光流场的动目标检测
• 3.1.3 基于联合方法的目标检测
• 3.1.4 基于灭点（focus of expansion）的目标分割
• 3.1.5 基于马尔科夫的运动目标检测
• 3.1.6 基于RBF 神经网络的复杂背景下的运动目标检测
• 3.2 基于SIFT 特征匹配的目标检测算法
• 3.2.1 SIFT 特征
• 3.2.2 基于SIFT 特征匹配和动态背景建模的动目标检测算法
• 3.2.3 基于SIFT 特征匹配和运动历史图的运动目标检测
• 3.3 试验结果及分析
• 3.3.1 基于SIFT 特征匹配和动态背景建模的运动目标检测试验结果
• 3.3.2 基于SIFT 特征匹配和运动历史图的运动目标检测试验结果
• 3.3.3 试验分析
• 3.3.4 试验结论
• 第四章 运动轨迹分析
• 4.1 研究背景及现状
• 4.1.1 研究背景
• 4.1.2 研究现状
• 4.2 基于DTW 和K-均值聚类的轨迹分析
• 4.2.1 相似度测量方法简述
• 4.2.2 动态时间归正技术（DTW）
• 4.2.3 轨迹分析算法
• 4.3 基于轨迹分析的人及车辆异常行为检测
• 4.3.1 轨迹聚类仿真试验结果及分析
• 4.3.2 现实场景中的行为轨迹分析实验结果及分析
• 4.3.3 实验结论
• 结束语
• 致谢
• 参考文献
• 作者在学期间取得的学术成果