智能交通監(jiān)控系統(tǒng)中的運動目標檢測研究.pdf

1、在智能交通視頻監(jiān)控系統(tǒng)中，一個基礎(chǔ)而重要的任務(wù)是從視頻中檢測并確定目標車輛，進而對車輛進行定位、跟蹤，并在此基礎(chǔ)上分析和判斷目標的行為，從而做到對車輛的實時智能監(jiān)控。對于固定攝像機下運動目標的檢測，最常用的方法是背景差分法，此方法的關(guān)鍵在于建立一個魯棒性很強的背景，即背景建模。但由于背景模型常常受到各種外界因素的影響，如濃霧天氣可見度低、夜間亮度不足、陰影遮擋目標區(qū)域等，因此開發(fā)一個優(yōu)化的目標檢測算法面臨著很多的挑戰(zhàn)。本文在闡述和歸納各

2、種經(jīng)典背景建模算法的基礎(chǔ)上，從算法分析和實驗驗證兩個角度，對智能交通監(jiān)控系統(tǒng)中的關(guān)鍵技術(shù)問題-背景增強、背景建模和陰影去除進行了研究。所做的主要工作包括以下幾個方面：
　　 1.本文基于Retinex理論和暗原色先驗知識的去霧理論分別對夜間亮度不足和濃霧天氣下可見度低這兩種情況下的圖像進行增強，經(jīng)過處理的圖像能夠還原出原圖中的絕大部分細節(jié)信息，去霧效果明顯，可以更好地滿足圖像后續(xù)處理的要求。
　　 2.隨著高清攝像機的普

3、及，一張數(shù)字圖像的像素可以達到500萬個，傳統(tǒng)的高斯建模方式由于計算量大，往往不能實現(xiàn)實時處理。另一方面，固定攝像機所拍攝的圖像中的運動區(qū)域往往只是所拍攝場景中的一部分，其他區(qū)域長時間處于靜態(tài)，不需要高頻率進行背景更新?；谝陨蟽蓚€原因，本文提出了一種基于局部二值模式直方圖紋理描述(LBP)和混合高斯背景建模的分層次背景建模的方法，以實現(xiàn)運動目標的檢測。該方法首先利用LBP快速進行運動區(qū)域的檢測，然后再對運動區(qū)域進行精確的提取和自適應(yīng)的