視頻監(jiān)控系統(tǒng)中運動船舶檢測與速度提取算法的研究.pdf

1、近些年來，隨著計算機技術(shù)、通信技術(shù)和互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展，人們對智能化的監(jiān)控設(shè)備的需求也越來越迫切，因而視頻圖像處理領(lǐng)域也得到了快速的發(fā)展。我國幅員遼闊，內(nèi)河水運資源非常豐富，隨著內(nèi)河航運的繁榮發(fā)展，內(nèi)河航運引發(fā)的事故頻率也越來越高。因此，實現(xiàn)對內(nèi)河航道上的來往運動船舶的自動檢測和信息提取，這些對減小船舶的事故發(fā)生頻率和增強船舶的安防能力都有著重要的意義。本文基于這種背景，針對靜態(tài)攝像機所拍攝的內(nèi)河航道的運動船舶進行運動目標(biāo)檢測和速度提

2、取。
　　 在運動船舶檢測方面，本文先分析了ViBe模型、codebook(box-based)模型和像素灰度歸類算法，同時基于精確度、實時性和占有內(nèi)存的考慮，提出一種改進的像素灰度歸類算法。該算法相對像素灰度歸類算法，計算復(fù)雜度低，實時性好，占有內(nèi)存較小。
　　 在運動船舶速度提取方面，本文結(jié)合實際環(huán)境和項目需求，提出一種簡單有效的基于虛擬線框的速度檢測算法。在對運動船舶進行速度檢測時，需要對船舶進行特征匹配，本文提出

3、了一種基于船舶外接矩形的中心和外接矩形邊界大小的特征匹配的算法，能夠較好對進入虛擬線框的船舶進行匹配，減小了誤判率，從而提高了船舶速度檢測的準(zhǔn)確率。
　　 最后，本文在VC++6.0平臺上，同時結(jié)合OpenCV視覺庫函數(shù)，對本文涉及到的各個算法進行編程實現(xiàn)，并對本文算法進行結(jié)果分析。在運動船舶檢測方面，通過實驗結(jié)果可以看到，本文的檢測算法相對于ViBe模型、codebook(box-based)檢測效果好，實時性好。相對于像素灰