視頻監(jiān)控中的感興趣目標智能檢測技術研究.pdf

1、隨著智慧城市建設步伐的不斷加快，視頻監(jiān)控系統(tǒng)以其方便快捷、高效智能的特點在公共安全、交通管理、環(huán)境保護等領域發(fā)揮著越來越重要的作用。視頻監(jiān)控系統(tǒng)為人們帶來便利的同時也帶來了海量的視頻數(shù)據(jù)信息冗余，而且在實際的視頻監(jiān)控應用中，人們關注的也僅僅是部分特定的運動目標。為了提高視頻數(shù)據(jù)的檢測效率同時適應應用場景的需求變化，論文在現(xiàn)有的研究基礎上，研究了視頻監(jiān)控中的感興趣目標智能檢測技術。具體研究工作如下：
　　假設視頻中的運動目標皆是人們

2、感興趣的，利用圖割算法進行檢測是常用的方法之一。但大部分圖割優(yōu)化算法是在前景服從均勻分布的前提下提出的，這將導致邊界平滑項恒定，使得目標邊緣出現(xiàn)偏移現(xiàn)象。本文立足于修正邊界平滑項，提出了一種優(yōu)化檢測方法。這個方法采用前一幀提取的目標邊長特征來約束加權梯度，使得該項能夠根據(jù)前一幀的檢測結果自適應地修正后一幀的目標邊界平滑參數(shù)，從而解決在連續(xù)的視頻檢測中目標邊緣偏移的問題，同時改善檢測性能。
　　在實際的監(jiān)控視頻中并非所有的運動目標皆

3、是感興趣的，因此需要根據(jù)應用場所需求來檢測感興趣的運動目標。由于馬爾科夫隨機場(Markov Random Field,MRF)模型不需要考慮光照變化、噪聲等因素的影響并且其訓練復雜度低，因此論文利用MRF理論訓練目標模型，提出基于感興趣目標模型的檢測方法。它通過建立的感興趣目標模型獲取目標的高階先驗信息，并在目標檢測時利用偽布爾理論優(yōu)化能量函數(shù)參數(shù)，從而提取感興趣運動目標。該方法以其目標模型穩(wěn)定及訓練復雜度低的特點可以滿足實際應用場所