監(jiān)控視頻中的前景提取和目標檢測跟蹤算法研究.pdf

1、當(dāng)下，隨著社會的快速發(fā)展，由民族、社會等多方面社會矛盾所引起的各類突發(fā)事件和恐怖襲擊屢屢發(fā)生。城市監(jiān)控系統(tǒng)作為建設(shè)平安城市的基礎(chǔ)，對當(dāng)前以及未來發(fā)生的突發(fā)情況起著極其關(guān)鍵的作用。但是，由于監(jiān)控數(shù)據(jù)量巨大，單憑人力監(jiān)控管理成了一個巨大挑戰(zhàn)。為了讓安防系統(tǒng)更好的服務(wù)于應(yīng)對突發(fā)事件，我們需要一個智能的安防系統(tǒng)來準確地獲取信息。隨著科技的進步以及計算機視覺技術(shù)的不斷發(fā)展，搭建一個大規(guī)模的網(wǎng)絡(luò)化數(shù)字化的視頻監(jiān)控系統(tǒng)已經(jīng)成為現(xiàn)實，利用人工智能技術(shù)構(gòu)

2、建新一代智能視頻監(jiān)控系統(tǒng)也已經(jīng)成為了可能。
　　智能監(jiān)控系統(tǒng)的研發(fā)是一個極具挑戰(zhàn)性的工作，它要完成視頻進行智能分析，對視頻中出現(xiàn)的內(nèi)容進行檢測識別，這其中包含了多個計算機科學(xué)領(lǐng)域。在眾多的智能監(jiān)控視頻分析領(lǐng)域中，提取監(jiān)控視頻中有目標運動的前景部分與監(jiān)控場景中多個目標的檢測跟蹤是一個至關(guān)重要的一部分。本文針對監(jiān)控視頻的前景提取和目標檢測跟蹤問題進行了研究，提出了對于這些問題的解決方法。本文主要的研究內(nèi)容如下:
　　1.對于視頻

3、中運動前景部分提取，本文采用了一種基于多通道高斯混合模型的動態(tài)背景模型。通過對背景模型的改進，提高了前景提取的準確性，并使其能夠滿足實時檢測的要求。針對提取前景出現(xiàn)細小空洞以及不連貫問題，本文采取了圖像形態(tài)學(xué)的處理，增強了前景提取的可靠性。通過與之前的算法進行對比發(fā)現(xiàn)，本文提出的改進算法提取的前景噪點更少更準確。
　　2.針對目標檢測分類，本文總結(jié)介紹了三種常用的特征模型，即HOG、Haar-like、LBP,利用級聯(lián)的Adabo

4、ost分類器和支持向量機對人臉五官和行人目標做了一系列的檢測實驗。
　　3.在目標跟蹤方面，本文利用Lucas-Kanade光流估計算法，設(shè)計并實現(xiàn)了一種快速跟蹤多物體的算法，本算法采用均勻采樣目標像素點作為目標描述子，并運用了一種前向-反向誤差濾波器，大大提高了跟蹤的準確性。為了驗證算法的可用性，本文選取了三段真實監(jiān)控視頻用于實驗，通過比較發(fā)現(xiàn)本文算法具有速度更快、能夠跟蹤多個物體的優(yōu)點。
　　4.為了提高程序執(zhí)行速度，本