基于計算機視覺的智能監(jiān)控技術研究.pdf

1、隨著計算機視覺技術的發(fā)展，基于計算機視覺的智能監(jiān)控系統(tǒng)得到了越來越廣泛的應用，其功能與傳統(tǒng)的監(jiān)控系統(tǒng)相比也有了質(zhì)的變化，不僅極大的擴展了傳統(tǒng)的監(jiān)控功能，而且降低了在監(jiān)控方面投入的成本。本文在攝像機固定的情況下，對智能監(jiān)控系統(tǒng)的關鍵技術進行了研究，并實現(xiàn)了具有實際應用功能的智能監(jiān)控系統(tǒng)。
　　 運動目標的檢測是智能監(jiān)控系統(tǒng)要實現(xiàn)的第一步，也是至關重要的一步，檢測出的運動目標的質(zhì)量將直接關系到運動目標的分類和行為分析等。因此要求檢測

2、出的運動目標信息要盡可能的完整。本文采用了常用的減背景法進行檢測，并對其中關鍵的背景建模方法進行了研究，對單高斯背景建模方法和混合高斯背景建模方法進行了融合，通過實驗驗證了該方法既可以清晰的檢測出運動目標，同時也能減少建模的時間，很好的減小外界環(huán)境的影響。
　　 目標分類也是計算機視覺領域當中一個研究的熱門問題，主要應用于智能監(jiān)控系統(tǒng)、智能機器人、醫(yī)學圖像等。通過目標分類，可以實現(xiàn)根據(jù)預先設定的定義來區(qū)分運動目標的種類，從而可以

3、進一步的進行行為分析。本文利用了目標的長寬比、占空比等四個目標特征，通過實驗統(tǒng)計了大量樣本的均值和方差，通過最小誤差概率條件下的貝葉斯分類理論對監(jiān)控場景內(nèi)的目標進行分類。
　　 在運動目標的跟蹤這一技術上本文使用了較為成熟的卡爾曼濾波跟蹤算法，該算法可以根據(jù)已有的運動目標的運動信息對之后的運動狀態(tài)做出預測，能夠很好的對其進行跟蹤。同時本文對跟蹤中的難點：運動目標的遮擋問題做了深入的研究，提出了利用運動目標的面積判斷遮擋的發(fā)生時刻