復(fù)雜交通場景中運動目標(biāo)智能監(jiān)控.pdf

1、隨著社會的進(jìn)步和發(fā)展，人們的安防意識不斷提高，世界各國對公共安全也越來越重視。大量的視頻監(jiān)控系統(tǒng)被用于人們?nèi)粘Ｉ詈蜕a(chǎn)的各個領(lǐng)域。然而目前這些系統(tǒng)的智能性不高，對視頻錄像的處理能力低，利用效率差。因此，智能視頻監(jiān)控作為一個新興的研究和應(yīng)用方向受到學(xué)術(shù)界、產(chǎn)業(yè)界和管理部門的高度重視。
　　本文以交通監(jiān)控視頻為研究對象，就其智能處理中存在的問題進(jìn)行深入研究。交通場景是人們最關(guān)注的公共場所，也是各國安防中重點監(jiān)控對象。因此本文的研究具

2、有較強(qiáng)的應(yīng)用需求以及廣闊的發(fā)展前景。交通場景往往復(fù)雜多變，各種干擾不斷，目標(biāo)在運動中可能被陰影覆蓋、被其它目標(biāo)遮擋，目標(biāo)特征也會隨其與攝像頭的角度與距離的變化而發(fā)生很大變化。在這種場景下，要做到對目標(biāo)的精確檢測、準(zhǔn)確跟蹤和正確分類是相當(dāng)有挑戰(zhàn)性的，因此本文的研究具有較強(qiáng)的學(xué)術(shù)研究價值。
　　本文在學(xué)習(xí)計算機(jī)視覺相關(guān)理論和現(xiàn)有研究成果的基礎(chǔ)上，對交通場景中目標(biāo)的檢測、跟蹤和分類問題進(jìn)行深入研究，分別提出了具有針對性的算法。最后以提出

3、的算法為基礎(chǔ)，設(shè)計并實現(xiàn)了一套智能交通視頻監(jiān)控系統(tǒng)，用于目標(biāo)違規(guī)行駛的預(yù)警和指定目標(biāo)的快速檢索。歸納起來本文主要完成了以下幾項工作:
　　1)提出了一種基于運動反饋的背景建模方法。傳統(tǒng)的背景建模方法對整個場景采用統(tǒng)一的更新策略對背景模型進(jìn)行更新。但場景中各像素的特性是不一樣的，有的像素處需對背景模型進(jìn)行快速更新，有的地方需要進(jìn)行較慢的更新甚至不更新。本文提出將運動目標(biāo)的跟蹤結(jié)果反饋回來用于指導(dǎo)背景模型的更新。其將場景劃分為四種不同

4、類型的區(qū)域，之后在不同區(qū)域采用相應(yīng)的不同的策略對背景模型進(jìn)行更新。本文方法建立的模型既對背景的變化保持魯棒性，又對前景變動保持敏感性。此外，場景類型的錯誤劃分對本文方法性能影響比較小;且該方法計算復(fù)雜度較低，能滿足實時應(yīng)用的需求。
　　2)提出了一種基于運動反饋的前景分割方法。一般的前景分割方法對整個場景采用統(tǒng)一的分割策略對前景進(jìn)行分割。但場景中不同像素處的特性不一樣，有的地方需要較嚴(yán)的分割策略來抑制噪聲、防止虛警，有的地方需要較

5、松的分割策略來防止前景空洞和割裂情形的出現(xiàn)。本文提出將運動目標(biāo)的跟蹤結(jié)果反饋回來指導(dǎo)前景的分割。通過反饋預(yù)測出下幀中目標(biāo)區(qū)域和非目標(biāo)區(qū)域，在目標(biāo)區(qū)域自適應(yīng)地調(diào)整分割閾值，抑制前景空洞和割裂情形的出現(xiàn)，在非目標(biāo)區(qū)域采用較嚴(yán)的策略來防止虛警。
　　3)提出了一種遮擋自適應(yīng)的目標(biāo)跟蹤方法。在交通場景中目標(biāo)間遮擋運動是不可避免的問題，解決不好將影響系統(tǒng)的性能。本文根據(jù)目標(biāo)外接矩形的變化特性，將目標(biāo)運動狀態(tài)分為獨立運動狀態(tài)、遮擋運動狀態(tài)和分

6、裂運動狀態(tài)三種。之后針對不同狀態(tài)采用相應(yīng)的策略對目標(biāo)進(jìn)行跟蹤。本文提出的方法對目標(biāo)部分遮擋的情形和目標(biāo)完全遮擋的情形都適用，能準(zhǔn)確檢測出目標(biāo)的運動狀態(tài)，對目標(biāo)進(jìn)行準(zhǔn)確地跟蹤。
　　4)提出了一種場景自適應(yīng)的目標(biāo)分類方法。一般的方法對場景中目標(biāo)進(jìn)行分類時采用統(tǒng)一的分類規(guī)則。當(dāng)目標(biāo)在場景中不同位置，體現(xiàn)的特征發(fā)生變化時，這些方法的分類效果將受到影響。本文采用分治的策略，為場景不同位置訓(xùn)練不同的分類策略，之后將目標(biāo)在不同位置的分類結(jié)果進(jìn)