智能交通視頻監(jiān)控系統(tǒng)中關鍵技術研究.pdf

1、智能視頻監(jiān)控是計算機視覺領域的一個新興的研究方向和備受關注的前沿課題，在不需要人為干預的情況下，對圖像序列進行自動分析，實現(xiàn)對動態(tài)場景中的運動目標檢測、跟蹤和行為理解等操作，并能夠根據分析結果判斷是否發(fā)出報警。智能視頻監(jiān)控系統(tǒng)克服了傳統(tǒng)監(jiān)控需要工作人員實時觀測的缺陷，節(jié)省了人力物力，增強了監(jiān)控判斷的準確性，它在軍事、交通、銀行等重要場所的監(jiān)控中有著廣泛的應用前景。
　　 本文以攝像頭靜止的室外交通智能監(jiān)控為應用背景，在分析了現(xiàn)有

2、成果的基礎上，對運動目標的檢測、跟蹤和分類的相關技術進行了研究、改進和實現(xiàn)。并在此基礎上完成了智能視頻分析系統(tǒng)的設計與開發(fā)。主要內容如下：
　　 1.運動目標檢測：首先比較分析了幾種常用的運動目標檢測方法，選取以混合高斯模型為基礎的背景減法。針對傳統(tǒng)混合高斯模型對光照敏感、容易產生虛影等缺陷，本文提出了一種改進的混合高斯背景模型算法。首先簡化背景模型建立和初始化過程，建立S和V分量混合模型，降低了系統(tǒng)運算的復雜度；其次在背景更新

3、過程中引進更新因子對變化的背景區(qū)域進行重建，解決背景突變的問題；最后采用HSV色彩模型檢測并去除前景中存在的陰影區(qū)域，并采用形態(tài)學濾波的方法去除背景噪聲的影響，提高了運動目標檢測系統(tǒng)的實用性和精確度。
　　 2.運動目標跟蹤：本文選取Mean Shift算法來完成系統(tǒng)中目標跟蹤的任務，針對Mean Shift算法對快速運動目標跟蹤效果不理想的問題，提出了將卡爾曼濾波預測與Mean Shift算法相結合的跟蹤算法，實現(xiàn)對原有算法的

4、改進。實驗證明改進后的目標跟蹤算法可獲得較高的跟蹤穩(wěn)定性。
　　 3.運動目標分類與應用：首先討論了幾種常用的分類方法，選取支持向量機的方法對運動目標進行分類。針對交通場景的智能視頻監(jiān)控的功能非常多，本文主要實現(xiàn)了移動目標檢測、虛擬警戒線報警、虛擬警戒區(qū)報警和車牌識別等功能。
　　 試驗結果證明了本文中運動目標檢測、跟蹤和分類算法的有效性，可以達到預期的監(jiān)控效果，并可應用在實際場景條件下實現(xiàn)對運動目標的檢測、跟蹤、分類和