視頻監(jiān)控中的運動人體檢測與跟蹤算法研究.pdf

1、在現(xiàn)代社中,安全問題越來越受人們關(guān)注,而視頻監(jiān)控成為保障國家、社會、人民群眾生命財產(chǎn)安全的最重要的技術(shù)手段。它也是目前計算機視覺與模式識別領(lǐng)域里的研究熱點之一。視頻監(jiān)控主要包含運動物體檢測、目標分類、目標跟蹤、目標識別、行為分析等諸多課題。在這些運動目標中我們最為關(guān)注的是人體。本文從視頻監(jiān)控的理論出發(fā),對前人提出一些關(guān)于人體檢測與跟蹤當中一些的算法進行分類研究,并在此基礎(chǔ)上實現(xiàn)算法的應用并提出了改進。本文的主要工作有如下兩個方面:

2、>　　 1、本文在人體檢測方面,提出一種改進型的LBP特征去除陰影算法。由于在人體檢測時會受到光照、陰影等環(huán)境影響,特別是陰影,由于陰影和運動人體具有相似的運動特性,所以很多視頻監(jiān)控中運動目標檢測算法把陰影也分割為運動目標的一部分或另一個新目標,這就對后續(xù)操作造成影響,本文提出以改進型的LBP特征去除運動陰影。其主要內(nèi)容是:在LBP基礎(chǔ)上,運用一種改進的局部三值模式(LTP)紋理特征提取方法,并把這種提取方法運用到運動陰影去除中。該方

3、法首先利用自適應高斯混合模型進行背景建模,得到背景和含有陰影的前景目標；并用亮度屬性得到疑似陰影分塊,然后再把疑似陰影區(qū)域和已獲取背景相應位置的LTP紋理相似性進行判斷；最后得到準確的陰影區(qū)域并實現(xiàn)陰影去除。實驗結(jié)果表明,該算法能夠很好地抑制分割噪聲,準確地去除運動陰影,具有較好的實驗效果。
　　 2、在人體跟蹤方面,對Mean Shift算法的基本原理及Mean Shift在跟蹤中應用作了詳細的介紹；在深入研究了Mean Sh

4、ift算法后發(fā)現(xiàn),該方法在對快速目標跟蹤會出現(xiàn)運動目標的丟失,在環(huán)境復雜的情況下,會出現(xiàn)跟蹤定位的錯誤。面對以上缺陷,本文綜合Mean Shift和Kalman算法進行目標的跟蹤,通過使用運動目標的已知信息,即目標運動信息和空間色彩信息。其具體過程是利用Kalman濾波器進行運動人體可能位置的預測,并一這個位置為新起點,再應用Mean Shift算法搜索最佳匹配位置。該結(jié)合算法能夠準確的跟蹤人體目標,在干擾和快速運動上都有很好的處理,在