基于邊緣特征的運動目標檢測與跟蹤.pdf

1、隨著經(jīng)濟的發(fā)展,智能視頻監(jiān)控在構(gòu)建和諧社會與平安城市,保障國家安全與應(yīng)急救災(zāi)等領(lǐng)域有著重要意義。作為智能視頻監(jiān)控系統(tǒng)中的核心技術(shù),運動目標的檢測與跟蹤是計算機視覺主要研究方向之一,是目標識別與行為理解的基礎(chǔ)。運動目標檢測和跟蹤的最終目的是使計算機視覺能夠像人類視覺那樣具有目標識別和運動感知的功能。人類視覺對于目標的判斷與識別主要是基于邊緣輪廓再輔以顏色紋理等特征來進行處理與分析,Konishi曾經(jīng)指出,不同尺度意義下的邊緣特征包含了圖像

2、的全部信息。但在目前的運動目標檢測和跟蹤的相關(guān)技術(shù)研究中,邊緣并沒有起到它應(yīng)有的重要作用。因此,本研究從邊緣特征的角度討論了運動目標檢測與跟蹤的相關(guān)理論,提出了針對傳統(tǒng)的Canny與模糊邊緣檢測算法的三點改進,提出了一種新的基于FBEM模型的運動目標檢測方法,對Mean Shift跟蹤算法的局限提出了兩點改進。這些新方法和改進算法的目的是提高運動目標檢測與跟蹤的精度并減少算法計算量。
　　對Canny算法和模糊邊緣算法作出的改進如

3、下:提出了一種自動確定Canny高低閾值的一維熵最大化方法,選擇一維熵最大時的閾值作為高閾值,將高閾值的三分之一設(shè)定為低閾值,解決了傳統(tǒng)Canny邊緣檢測要求手工設(shè)定高低閾值的問題。提出了一種多窗口局部閾值的方法,多窗口局部閾值將一副圖像劃分為多個小窗口,分別自動計算其最佳閾值,解決了傳統(tǒng)Canny邊緣檢測在圖像部分邊緣被陰影遮擋時,全局單一的閾值不能正確檢測邊緣的問題;提出了一種改進的快速模糊邊緣算法,使用了一種新的隸屬函數(shù),解決了在

4、圖像轉(zhuǎn)換時部分低灰度像素被切割為0的問題,使算法的計算消耗時間減少了35％左右。
　　提出了一種新的基于FBEM(Foregound/Background Edge Model)的運動目標檢測方法。該方法以圖像的二值化單像素寬度邊緣作為輸入,利用背景減除法的思想,構(gòu)建了二值化邊緣的前景背景邊緣模型,分離出靜態(tài)背景和動態(tài)前景的邊緣圖像,補償了前景與背景邊緣交叉點,進行了邊緣圖像去噪等一系列后處理,得到穩(wěn)定的目標運動區(qū)域,有效檢測出運

5、動目標并減少了計算量。
　　針對傳統(tǒng)的Mean Shift對稱核窗口函數(shù)包含了部分背景顏色的信息,對跟蹤的準確程度產(chǎn)生干擾的問題,提出一種改進的非對稱核函數(shù)Mean Shift算法。該算法以目標外圍輪廓為基礎(chǔ)利用Level Set構(gòu)建核函數(shù),非對稱核函數(shù)能夠完全去除背景顏色信息的干擾,有效提高跟蹤的精度。在目標速度較快或前后幀中變化劇烈時,傳統(tǒng)的Mean Shift算法需要經(jīng)過多次迭代才能收斂到目標區(qū)域,本研究提出了直接利用當(dāng)前幀

6、所檢測出來的目標中心點位置作為Mean Shift第一次迭代計算中候選目標中心點位置的改進方法。這個改進加快了中心點漂移的速度,經(jīng)實驗證明有效減少了迭代次數(shù)。
　　為驗證本研究算法的有效性,構(gòu)建了一個實驗平臺——行人計數(shù)實驗系統(tǒng),分析了提高行人車輛計數(shù)準確率的技術(shù)關(guān)鍵,提出了在出入口和交通道路計數(shù)兩個應(yīng)用中設(shè)置進出計數(shù)線和處理分離融合等方法,結(jié)合基于自適應(yīng)閾值和多窗口的 Canny邊緣檢測、基于FBEM的運動檢測和快速Mean S