智能交通視頻監(jiān)控系統(tǒng)中關(guān)鍵技術(shù)研究.pdf

1、智能視頻監(jiān)控是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)新興的研究方向和備受關(guān)注的前沿課題，在不需要人為干預(yù)的情況下，對(duì)圖像序列進(jìn)行自動(dòng)分析，實(shí)現(xiàn)對(duì)動(dòng)態(tài)場(chǎng)景中的運(yùn)動(dòng)目標(biāo)檢測(cè)、跟蹤和行為理解等操作，并能夠根據(jù)分析結(jié)果判斷是否發(fā)出報(bào)警。智能視頻監(jiān)控系統(tǒng)克服了傳統(tǒng)監(jiān)控需要工作人員實(shí)時(shí)觀測(cè)的缺陷，節(jié)省了人力物力，增強(qiáng)了監(jiān)控判斷的準(zhǔn)確性，它在軍事、交通、銀行等重要場(chǎng)所的監(jiān)控中有著廣泛的應(yīng)用前景。
　　 本文以攝像頭靜止的室外交通智能監(jiān)控為應(yīng)用背景，在分析了現(xiàn)有

2、成果的基礎(chǔ)上，對(duì)運(yùn)動(dòng)目標(biāo)的檢測(cè)、跟蹤和分類的相關(guān)技術(shù)進(jìn)行了研究、改進(jìn)和實(shí)現(xiàn)。并在此基礎(chǔ)上完成了智能視頻分析系統(tǒng)的設(shè)計(jì)與開(kāi)發(fā)。主要內(nèi)容如下：
　　 1.運(yùn)動(dòng)目標(biāo)檢測(cè)：首先比較分析了幾種常用的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，選取以混合高斯模型為基礎(chǔ)的背景減法。針對(duì)傳統(tǒng)混合高斯模型對(duì)光照敏感、容易產(chǎn)生虛影等缺陷，本文提出了一種改進(jìn)的混合高斯背景模型算法。首先簡(jiǎn)化背景模型建立和初始化過(guò)程，建立S和V分量混合模型，降低了系統(tǒng)運(yùn)算的復(fù)雜度；其次在背景更新

3、過(guò)程中引進(jìn)更新因子對(duì)變化的背景區(qū)域進(jìn)行重建，解決背景突變的問(wèn)題；最后采用HSV色彩模型檢測(cè)并去除前景中存在的陰影區(qū)域，并采用形態(tài)學(xué)濾波的方法去除背景噪聲的影響，提高了運(yùn)動(dòng)目標(biāo)檢測(cè)系統(tǒng)的實(shí)用性和精確度。
　　 2.運(yùn)動(dòng)目標(biāo)跟蹤：本文選取Mean Shift算法來(lái)完成系統(tǒng)中目標(biāo)跟蹤的任務(wù)，針對(duì)Mean Shift算法對(duì)快速運(yùn)動(dòng)目標(biāo)跟蹤效果不理想的問(wèn)題，提出了將卡爾曼濾波預(yù)測(cè)與Mean Shift算法相結(jié)合的跟蹤算法，實(shí)現(xiàn)對(duì)原有算法的

4、改進(jìn)。實(shí)驗(yàn)證明改進(jìn)后的目標(biāo)跟蹤算法可獲得較高的跟蹤穩(wěn)定性。
　　 3.運(yùn)動(dòng)目標(biāo)分類與應(yīng)用：首先討論了幾種常用的分類方法，選取支持向量機(jī)的方法對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行分類。針對(duì)交通場(chǎng)景的智能視頻監(jiān)控的功能非常多，本文主要實(shí)現(xiàn)了移動(dòng)目標(biāo)檢測(cè)、虛擬警戒線報(bào)警、虛擬警戒區(qū)報(bào)警和車牌識(shí)別等功能。
　　 試驗(yàn)結(jié)果證明了本文中運(yùn)動(dòng)目標(biāo)檢測(cè)、跟蹤和分類算法的有效性，可以達(dá)到預(yù)期的監(jiān)控效果，并可應(yīng)用在實(shí)際場(chǎng)景條件下實(shí)現(xiàn)對(duì)運(yùn)動(dòng)目標(biāo)的檢測(cè)、跟蹤、分類和