新一代智能視頻分析系統(tǒng)中目標提取算法的研究與實現.pdf

1、隨著生活水平的提高，人們對安全防范的要求也逐漸升高。在眾多的安防產品中，智能視頻監(jiān)控系統(tǒng)以它得天獨厚的優(yōu)勢迅速發(fā)展。廣泛的應用前景和巨大的商業(yè)需求，使它逐漸成為國內外的研究熱點。
　　 作為網絡時代的產物，新一代智能視頻分析系統(tǒng)擺脫了地域的限制，以更快捷的速度、更智能的方式為用戶提供有用信息。視頻分析算法決定了這類系統(tǒng)的智能化程度，扮演著極其重要的角色。通常，智能視頻分析算法主要包括目標提取、目標識別、目標跟蹤以及行為識別等算法

2、。運動目標提取是整個智能分析系統(tǒng)的基石，它的優(yōu)劣直接影響著后續(xù)算法的性能。但是，由于受環(huán)境等因素的影響，目標提取一直都是非常富有挑戰(zhàn)性的工作。
　　 目前，大多數智能視頻分析系統(tǒng)都采用減背景法進行目標提取。作為減背景法的典型代表，混合高斯模型法已經被廣泛地應用到了實際中。該方法不但可以適應環(huán)境的緩慢變化，而且能夠可靠地處理樹葉晃動、旗幟飄揚等因素的影響。然而，僅僅依靠時域信息并不能獲得很好的檢測效果。于是，一些基于空域信息的圖像

3、分割法(如圖割法、種子區(qū)域生長法等)被引入進來以提高目標提取的準確性，它們在不同的應用場景表現出了不同的優(yōu)勢。實驗證明，使用自適應閾值對混合高斯模型進行改進，能夠改善目標被檢測成為多個區(qū)域(“過分分割”)的現象，在性能和效率上獲得很好的折衷。
　　 將改進后的算法應用于智能視頻分析系統(tǒng)的必要步驟還包括算法的實現和優(yōu)化。較算法的實現而言，優(yōu)化工作更加繁瑣復雜。算法的優(yōu)化策略多種多樣，總結起來可以分為物理級、算法級、程序級和代碼級四