基于運動背景的運動目標(biāo)檢測技術(shù)研究.pdf

1、智能視頻監(jiān)控技術(shù)是計算機視覺領(lǐng)域近年來新興的一個研究方向。它的主要研究內(nèi)容包括：監(jiān)控視頻運動對象的檢測、對象的描述、對象的跟蹤、對象的識別和對象的行為分析等。目前的智能監(jiān)控系統(tǒng)中，通常采用固定攝像頭對于場景進行記錄。對于大視場監(jiān)控，單一固定攝像頭難以滿足監(jiān)控的大視場和高分辨率要求，而采用多個攝像頭成本過高。因此有必要采用旋轉(zhuǎn)攝像頭對整個視場進行掃描監(jiān)控。本文研究了基于旋轉(zhuǎn)攝像頭的全局運動估計方法以及全局運動補償后運動目標(biāo)的分割和填充技術(shù)

2、。
　　 在全局運動估計過程中，首先提取當(dāng)前幀的特征點并將其離散化，然后以特征點為中心在當(dāng)前幀和前一幀之間進行塊匹配，其后用 準(zhǔn)則除去誤差塊，從而得到全局運動估計量。在VC平臺上編程實現(xiàn)了該算法。其中，在特征點提取階段，本文對特征點提取算法進行了深入研究和比較，由于提升小波速度較快，因此研究了基于提升小波的特征點快速提取方法。實驗結(jié)果表明取得同等效果情況下，基于提升小波的特征點提取方法耗時僅為以sobel算子極大值方法的20％。

3、另外，已有的一種快速SUSAN算法對于實際圖像提取特征點的實時性不夠，研究發(fā)現(xiàn)其原因是未對小波系數(shù)值進行區(qū)分，將大量由噪聲引起的點進行處理造成的。本文對其進行了改進，通過對小波系數(shù)值的劃分，解決了這一問題。改進后方法所用的時間小于原SUSAN算法的15％，提取到的點數(shù)大于原SUSAN算法的90％。還有，由于攝像頭是旋轉(zhuǎn)的，則背景的運動有一定的規(guī)律，故此本文采用卡爾曼濾波來預(yù)測跟蹤匹配塊，大大減少了全局運動估計的計算量。該方法在實驗中匹配