視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)檢測與跟蹤技術(shù)的研究.pdf

1、視頻監(jiān)控在現(xiàn)代社會(huì)中使用越來越多，針對傳統(tǒng)視頻監(jiān)控需人日夜值守，工作異常繁重，且枯燥乏味的問題，專家們提出了新一代智能視頻監(jiān)控，可以讓計(jì)算機(jī)完成以上這些工作，而運(yùn)動(dòng)目標(biāo)檢測與跟蹤技術(shù)是其核心技術(shù)，因此，研究運(yùn)動(dòng)目標(biāo)的檢測與跟蹤技術(shù)對研究智能視頻監(jiān)控系統(tǒng)具有重要意義。
　　本文的主要研究工作如下：
　　首先，簡單介紹了常用的圖像處理基礎(chǔ)知識(shí)，針對視頻圖像中存在的噪聲會(huì)影響運(yùn)動(dòng)目標(biāo)檢測結(jié)果這一問題，本文提出一種改進(jìn)的多級中值濾波

2、技術(shù)，結(jié)合了中值濾波技術(shù)濾噪能力強(qiáng)和多級中值濾波技術(shù)能有效保護(hù)圖像細(xì)節(jié)的優(yōu)點(diǎn)，通過實(shí)驗(yàn)證明其有效性，并且能夠應(yīng)用于視頻圖像的噪聲處理中去。
　　在運(yùn)動(dòng)目標(biāo)檢測部分，首先對三種常用的目標(biāo)檢測算法：光流計(jì)算法、幀間差分法、背景差分法進(jìn)行了介紹和比較，然后對兩種常用的背景建模方法：單高斯模型法和混合高斯模型法進(jìn)行了介紹和比較，接著又對目標(biāo)檢測結(jié)果圖像進(jìn)行二值化分割時(shí)的自適應(yīng)閾值及目標(biāo)陰影的檢測與消除做了研究。在此基礎(chǔ)上將混合高斯模型法與

3、背景差分法結(jié)合在一起，用于監(jiān)控視頻中運(yùn)動(dòng)目標(biāo)的檢測，實(shí)驗(yàn)表明，該算法能夠比較完整和快速的提取目標(biāo)運(yùn)動(dòng)區(qū)域。
　　在運(yùn)動(dòng)目標(biāo)跟蹤部分，首先對幾種常用的目標(biāo)跟蹤算法做了介紹，并總結(jié)了各自的優(yōu)缺點(diǎn)；接著，著重講述了一種SIFT特征匹配算法，詳細(xì)介紹了其特征點(diǎn)描述子的生成及匹配過程，雖然SIFT特征具有很高的穩(wěn)定性和獨(dú)特性，但其計(jì)算過程復(fù)雜且費(fèi)時(shí)，基本不能用于實(shí)時(shí)視頻監(jiān)控系統(tǒng)。本文針對此問題，提出一種改進(jìn)的低維度SIFT運(yùn)動(dòng)目標(biāo)跟蹤算法，

4、在特征匹配過程中僅提取當(dāng)前視頻圖像運(yùn)動(dòng)目標(biāo)所在區(qū)域的SIFT特征進(jìn)行匹配，而非整幅視頻圖像的SIFT特征，并且將其特征點(diǎn)描述子向量從128維降為32維，在匹配精度變化不大的情況下，將時(shí)間開銷降為原來的一半，當(dāng)視頻幀率為10-15幀/秒時(shí)，基本能滿足實(shí)時(shí)性要求，并且通過實(shí)驗(yàn)證明該算法的有效性，能夠得到運(yùn)動(dòng)目標(biāo)比較清晰的運(yùn)動(dòng)軌跡。
　　最后，本文在Visual C++6.0開發(fā)平臺(tái)上，結(jié)合OpenCV計(jì)算機(jī)視覺庫來設(shè)計(jì)與實(shí)現(xiàn)了一個(gè)簡單