智能視頻監(jiān)控中運動目標檢測與跟蹤技術(shù)研究及實現(xiàn).pdf

1、基于計算機視覺的智能視頻分析融合了圖像處理、模式識別、人工智能、自動控制及數(shù)學和計算機科學等多個學科領(lǐng)域的技術(shù)，具有重要的科學意義和廣闊的應用前景。隨著信息技術(shù)的高速發(fā)展以及安全形勢的迫切需要，人們對安防設備的性能要求日益提高。利用計算機視覺技術(shù)，提高視頻監(jiān)控系統(tǒng)的自動化、智能化是未來的發(fā)展方向。運動目標檢測與跟蹤是視頻監(jiān)控中的一個重要任務，它是后續(xù)各種高級處理的基礎(chǔ)，如模式識別、行為分析等?，F(xiàn)實的監(jiān)控環(huán)境往往是錯綜復雜、變化無常的，探

2、求能夠從容應對復雜環(huán)境的各種變化，快速、準確而穩(wěn)定的檢測和跟蹤目標的方法是該課題的主要研究內(nèi)容。 本論文以實現(xiàn)智能化視頻監(jiān)控系統(tǒng)這一背景為基礎(chǔ)，重點針對智能視頻監(jiān)控系統(tǒng)中運動目標的檢測和跟蹤這兩個關(guān)鍵技術(shù)進行研究，以期獲得滿足智能視頻監(jiān)控更為實用的算法，以及系統(tǒng)整體的閉環(huán)控制方法。論文針對運動目標檢測與跟蹤算法及其發(fā)展進行了全面的綜述。首先，回顧了若干常用的運動目標檢測算法，包括光流法、時域差分法、背景差分法，并闡述了基于高斯背

3、景建模的前景檢測方法；然后，對常用的跟蹤算法作出了分類，并深入討論了Mean Shift 理論及相關(guān)的目標跟蹤算法。針對這些算法，探討了各方法的原理，并分析、比較它們各自的優(yōu)缺點和適用范圍。 在此基礎(chǔ)上，論文完成了三個方面的工作：結(jié)合幀差法和CAMShift 算法，設計了一種自動的運動目標檢測與跟蹤算法。首先用時間連續(xù)的三幀雙差分對運動目標識別和提取，自動的選取跟蹤框；再通過CAMShift 算法計算目標的精確位置并調(diào)整跟蹤窗口

4、大小。將上述改進的目標檢測與跟蹤算法完成了在DSP上的實現(xiàn)，并設計了一個由DM642-PCI 開發(fā)板和伺服機云臺組成的閉環(huán)控制系統(tǒng)。該系統(tǒng)首先自動檢測運動目標，再在每一幀中通過CAMShift 算法計算目標的精確位置；最后將目標質(zhì)心與視野中心的偏差信息轉(zhuǎn)化成控制協(xié)議，通過串口發(fā)送，驅(qū)動云臺轉(zhuǎn)動來改變攝像機視野，使目標始終可見。利用CCS2.2 開發(fā)環(huán)境，在以TMS320DM642為核心的硬件平臺上實現(xiàn)了系統(tǒng)的軟件算法。設計了一種高速球形

5、攝像機PTZ 跟蹤的控制策略。球形攝像機機能在水平、垂直、光軸三個方向運動，360°范圍全方位高速旋轉(zhuǎn)。在球機機械參數(shù)未知的情況下，通過控制球機做間歇性轉(zhuǎn)動，調(diào)整球機P/T 方向姿態(tài)角度使被跟蹤對象始終可見；當視野中心對準目標后，控制球機開始進行變倍動作對圖像縮放，可以觀察或抓拍目標局部細節(jié)。同時，針對球機變倍控制中跟蹤窗口大小自適應調(diào)整的問題，利用SIFT 特征匹配算法設計了一種計算球機變倍率的方法，并給出 了一種在RGB 顏色模型中

6、基于Mean Shift的跟蹤算法。基于PELCO協(xié)議，利用VS2005和OpenCV軟件平臺，實現(xiàn)了PTZ 跟蹤的整體流程。 論文的主要研究集中在算法和系統(tǒng)控制流程設計上，而對它們結(jié)合硬件的實現(xiàn)為實驗性的工作，搭建了系統(tǒng)平臺。為了發(fā)揮DSP的強大性能，還需對嵌入式軟件進一步優(yōu)化，而這是個非常需要時間和工程項目經(jīng)驗的工作。對于球機PTZ 跟蹤策略，通過實驗證明能有效、實時的跟蹤目標，并能夠控制球機放大拍攝目標的局部細節(jié)，在犯罪取