視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)檢測(cè)與分類識(shí)別方法的研究與實(shí)驗(yàn).pdf

1、計(jì)算機(jī)智能視頻監(jiān)控是計(jì)算機(jī)視覺領(lǐng)域一個(gè)新興的應(yīng)用方向和備受關(guān)注的前沿課題,是計(jì)算機(jī)科學(xué)、機(jī)器視覺、圖像工程、模式識(shí)別、人工智能等多學(xué)科高技術(shù)的結(jié)晶。運(yùn)動(dòng)目標(biāo)的檢測(cè)與分類識(shí)別技術(shù)是智能監(jiān)控中的關(guān)鍵技術(shù),在虛擬現(xiàn)實(shí)、視覺監(jiān)控、感知接口等領(lǐng)域均有著廣闊的應(yīng)用前景。本文介紹了所設(shè)計(jì)的監(jiān)控系統(tǒng)硬件組成和軟件代碼的體系結(jié)構(gòu)。針對(duì)實(shí)驗(yàn)室已設(shè)計(jì)監(jiān)控軟件在視頻圖像采集、記錄以及控制等方面的不足,對(duì)已有軟件進(jìn)行改進(jìn),增強(qiáng)軟件的智能性。同時(shí),針對(duì)監(jiān)控環(huán)境中攝

2、像頭固定不動(dòng)的情況,對(duì)視頻監(jiān)控系統(tǒng)中背景模型的建立及更新、陰影去除、分類識(shí)別算法展開研究。本文利用背景減除法進(jìn)行運(yùn)動(dòng)目標(biāo)的檢測(cè),對(duì)傳統(tǒng)單高斯背景模型估計(jì)算法進(jìn)行改進(jìn),采用基于統(tǒng)計(jì)的方法進(jìn)行前景與背景的判斷,有效克服了物體運(yùn)動(dòng)狀態(tài)發(fā)生改變——靜止變?yōu)檫\(yùn)動(dòng)或運(yùn)動(dòng)變?yōu)殪o止時(shí)背景模型不能及時(shí)更新的問題。同時(shí),利用陰影的光學(xué)特性,提出了消除陰影的數(shù)學(xué)模型,排除了陰影對(duì)后續(xù)分類識(shí)別等工作的影響。針對(duì)直立行走的運(yùn)動(dòng)人體識(shí)別問題,本文通過(guò)對(duì)運(yùn)動(dòng)方向與攝

3、像頭光軸平行和垂直兩種情況下物體的形狀特征進(jìn)行分析,最終選用目標(biāo)高寬比、占空比、物體高度6/7處的寬度與物體高度的比例三種形狀特征。通過(guò)對(duì)常用的輪廓提取算法進(jìn)行比較,確定采用改進(jìn)后的形態(tài)學(xué)輪廓提取算法進(jìn)行運(yùn)動(dòng)檢測(cè)結(jié)果的輪廓提取操作,并在此基礎(chǔ)上提取各形狀特征。基于運(yùn)動(dòng)人體和某些常見運(yùn)動(dòng)干擾物線性可分的前提,設(shè)計(jì)最小距離分類器完成分類,并采用椅子、球體、箱體以及玩具模型進(jìn)行實(shí)驗(yàn),驗(yàn)證識(shí)別效果。本文將涉及到的算法和外設(shè)控制根據(jù)其實(shí)現(xiàn)功能的不