基于計算機視覺的智能監(jiān)控技術(shù)研究.pdf

1、隨著計算機視覺技術(shù)的發(fā)展，基于計算機視覺的智能監(jiān)控系統(tǒng)得到了越來越廣泛的應用，其功能與傳統(tǒng)的監(jiān)控系統(tǒng)相比也有了質(zhì)的變化，不僅極大的擴展了傳統(tǒng)的監(jiān)控功能，而且降低了在監(jiān)控方面投入的成本。本文在攝像機固定的情況下，對智能監(jiān)控系統(tǒng)的關(guān)鍵技術(shù)進行了研究，并實現(xiàn)了具有實際應用功能的智能監(jiān)控系統(tǒng)。
　　 運動目標的檢測是智能監(jiān)控系統(tǒng)要實現(xiàn)的第一步，也是至關(guān)重要的一步，檢測出的運動目標的質(zhì)量將直接關(guān)系到運動目標的分類和行為分析等。因此要求檢測

2、出的運動目標信息要盡可能的完整。本文采用了常用的減背景法進行檢測，并對其中關(guān)鍵的背景建模方法進行了研究，對單高斯背景建模方法和混合高斯背景建模方法進行了融合，通過實驗驗證了該方法既可以清晰的檢測出運動目標，同時也能減少建模的時間，很好的減小外界環(huán)境的影響。
　　 目標分類也是計算機視覺領(lǐng)域當中一個研究的熱門問題，主要應用于智能監(jiān)控系統(tǒng)、智能機器人、醫(yī)學圖像等。通過目標分類，可以實現(xiàn)根據(jù)預先設(shè)定的定義來區(qū)分運動目標的種類，從而可以

3、進一步的進行行為分析。本文利用了目標的長寬比、占空比等四個目標特征，通過實驗統(tǒng)計了大量樣本的均值和方差，通過最小誤差概率條件下的貝葉斯分類理論對監(jiān)控場景內(nèi)的目標進行分類。
　　 在運動目標的跟蹤這一技術(shù)上本文使用了較為成熟的卡爾曼濾波跟蹤算法，該算法可以根據(jù)已有的運動目標的運動信息對之后的運動狀態(tài)做出預測，能夠很好的對其進行跟蹤。同時本文對跟蹤中的難點：運動目標的遮擋問題做了深入的研究，提出了利用運動目標的面積判斷遮擋的發(fā)生時刻