視頻監(jiān)控中的預(yù)處理、目標(biāo)檢測和跟蹤方法研究.pdf

1、自物聯(lián)網(wǎng)的概念被提出以來，人們希望自己的生活往智能化方向發(fā)展。視頻監(jiān)控屬于智慧安防的一個(gè)重要方面，一直是物聯(lián)網(wǎng)、計(jì)算機(jī)視覺的研究焦點(diǎn)，有極其重要的研究意義。本文從理論和實(shí)際應(yīng)用出發(fā)，重點(diǎn)研究了視頻監(jiān)控中的圖像預(yù)處理、目標(biāo)檢測和目標(biāo)跟蹤等方面，解決了視頻監(jiān)控中視頻質(zhì)量不高、目標(biāo)檢測率低和目標(biāo)跟蹤處理時(shí)間長及不準(zhǔn)確等問題。研究內(nèi)容包括以下幾個(gè)方面：
　　一、對視頻傳播中被噪聲影響而造成視頻圖像質(zhì)量降低的情況，研究了圖像預(yù)處理來改善視頻

2、質(zhì)量。為了去除圖像中普遍存在的兩種噪聲：高斯噪聲和椒鹽噪聲，本文對能夠去除高斯噪聲并平滑圖像的雙邊濾波器進(jìn)行了研究和改進(jìn)，提出了一種能夠同時(shí)去除高斯噪聲和椒鹽噪聲的加權(quán)雙邊濾波器，彌補(bǔ)了雙邊濾波器在去除高頻噪聲方面的不足。實(shí)驗(yàn)結(jié)果證明，該算法能夠在平滑圖像、保留邊緣的同時(shí)去除椒鹽噪聲。
　　二、對目標(biāo)檢測算法進(jìn)行了研究。目標(biāo)檢測分為運(yùn)動(dòng)目標(biāo)檢測和靜態(tài)圖像中的目標(biāo)檢測。在視頻中進(jìn)行檢測，既可以檢測到運(yùn)動(dòng)目標(biāo)，又可以將視頻幀作為靜態(tài)圖

3、片來進(jìn)行檢測，因此本文將兩者相結(jié)合，以提高檢測率。在運(yùn)動(dòng)目標(biāo)檢測上，本文利用背景差分法，建立背景模型，以檢測運(yùn)動(dòng)目標(biāo)。在靜態(tài)圖像的目標(biāo)檢測中，本文利用梯度方向直方圖特征加支持向量機(jī)分類器的方法進(jìn)行目標(biāo)檢測。本文提出了一種將兩者有效結(jié)合、同時(shí)進(jìn)行檢測的方法，實(shí)驗(yàn)證明，該方法能提高檢測率。
　　此外，在目標(biāo)特征提取的過程中，本文發(fā)現(xiàn)，特征提取的好壞對目標(biāo)檢測的結(jié)果有著很重大的影響，而特征提取又是人為的、同時(shí)需要大量經(jīng)驗(yàn)技巧的，因此本文

4、希望能利用一種自動(dòng)提取目標(biāo)特征的方法來提取較好的特征，而當(dāng)前在機(jī)器學(xué)習(xí)領(lǐng)域快速發(fā)展的深度學(xué)習(xí)方法恰好能夠滿足本文的需求。因此，本文研究了基于深度學(xué)習(xí)的目標(biāo)檢測方法，雖然該方法目前還不是很成熟，但是實(shí)驗(yàn)表明，該方法還是有不錯(cuò)的性能。
　　三、在視頻目標(biāo)跟蹤方面，本文對傳統(tǒng)的算法進(jìn)行了總結(jié)。然后對實(shí)用性很好的跟蹤學(xué)習(xí)檢測（Tracking-Learning-Detection，TLD）算法進(jìn)行了詳細(xì)的研究，該算法將跟蹤和檢測算法相結(jié)合