室外視頻監(jiān)控中基于顯著性的運(yùn)動(dòng)目標(biāo)檢測(cè)與分類(lèi).pdf

1、顯著性是計(jì)算機(jī)視覺(jué)范疇的一個(gè)經(jīng)典問(wèn)題，通過(guò)模擬人眼視覺(jué)注意機(jī)制，主要強(qiáng)調(diào)與周邊相比細(xì)節(jié)變化突出的區(qū)域，但是在顯著性檢測(cè)過(guò)程中沒(méi)有兼顧運(yùn)動(dòng)特征，因此非顯著的靜止區(qū)域可能因灰度變化劇烈而被突出。運(yùn)動(dòng)目標(biāo)檢測(cè)是計(jì)算機(jī)視覺(jué)領(lǐng)域的研究熱點(diǎn)之一，強(qiáng)調(diào)的是與全局背景有差異的區(qū)域，在檢測(cè)出真正的運(yùn)動(dòng)目標(biāo)的過(guò)程中還有可能檢測(cè)出干擾物體，比如由攝像機(jī)輕微抖動(dòng)或者樹(shù)枝搖擺造成的干擾，而這種干擾對(duì)比較小的運(yùn)動(dòng)目標(biāo)會(huì)產(chǎn)生較強(qiáng)的影響。因此，將顯著性檢測(cè)與運(yùn)動(dòng)目標(biāo)檢

2、測(cè)結(jié)合，可以克服干擾，得到顯著的運(yùn)動(dòng)目標(biāo)。
　　目標(biāo)分類(lèi)是目標(biāo)跟蹤和目標(biāo)行為理解重要的一步。由于室外視頻監(jiān)控容易受到光照、天氣、遮擋等因素的影響，為保證分類(lèi)準(zhǔn)確性和實(shí)時(shí)性，需要選擇最能區(qū)分不同類(lèi)別的典型特征，提高分類(lèi)器的分類(lèi)速度和準(zhǔn)確性。
　　本論文所完成的主要工作和提出的創(chuàng)新點(diǎn)如下：
　　(1)首先介紹了當(dāng)前顯著性檢測(cè)算法的研究現(xiàn)狀，然后通過(guò)實(shí)驗(yàn)結(jié)果對(duì)比了典型顯著性算法的優(yōu)缺點(diǎn)。通過(guò)對(duì)FT算法的改進(jìn)，提出了基于多分辨

3、率的FT算法，綜合考慮了局部和整體性，同時(shí)也考慮了像素點(diǎn)之間的關(guān)聯(lián)情況。經(jīng)實(shí)驗(yàn)證明該方法可以得到邊界清晰且內(nèi)部均勻的顯著物體。
　　(2)分析和對(duì)比了目前常見(jiàn)的運(yùn)動(dòng)目標(biāo)檢測(cè)算法的優(yōu)缺點(diǎn)，提出了分塊快速投影運(yùn)動(dòng)目標(biāo)檢測(cè)算法，通過(guò)對(duì)比當(dāng)前幀與參考幀的水平和垂直灰度投影計(jì)算運(yùn)動(dòng)矢量，得到視頻幀內(nèi)物體的運(yùn)動(dòng)顯著圖。
　　(3)采用動(dòng)態(tài)優(yōu)先思想，用動(dòng)態(tài)融合技術(shù)將靜態(tài)顯著圖和運(yùn)動(dòng)顯著圖結(jié)果融合，得到最終運(yùn)動(dòng)目標(biāo)檢測(cè)結(jié)果。
　　(4

4、)介紹了目標(biāo)分類(lèi)方法，選取長(zhǎng)寬比、離散度、占空比作為分類(lèi)特征，分類(lèi)器采用適合小樣本學(xué)習(xí)并且泛化能力較好的SVM，實(shí)現(xiàn)了車(chē)輛、行人、自行車(chē)和其他目標(biāo)的分類(lèi)。
　　本文算法利用Matlab仿真，通過(guò)對(duì)視頻數(shù)據(jù)庫(kù)http://ftp.pets.rdg.ac.uk/中五組大小為768×576的視頻進(jìn)行實(shí)驗(yàn)，與二幀差分法、時(shí)間平均法和混合高斯模型法相比，本文的基于顯著性的運(yùn)動(dòng)目標(biāo)檢測(cè)方法可以提高運(yùn)動(dòng)目標(biāo)檢測(cè)的精度。在分類(lèi)上通過(guò)網(wǎng)格尋優(yōu)和5-