智能視頻監(jiān)控系統(tǒng)中運動目標的檢測和跟蹤算法的研究.pdf

1、當今社會，計算機科學、多媒體通信、網(wǎng)絡傳輸以及圖像處理技術(shù)飛速發(fā)展，伴隨多種高新技術(shù)衍生的視頻監(jiān)控技術(shù)也取得了長足的進步。視頻監(jiān)控是安防系統(tǒng)的重要組成部分，凡是能涉及到安全問題的場所幾乎無處不在。智能視頻監(jiān)控系統(tǒng)主要是指在無需人為干預的情況下，自動實現(xiàn)對監(jiān)控場景中的對象進行檢測、分割、跟蹤、分類及更高層次上的行為分析，以便達到“實時監(jiān)控，及時反應”的目的。本課題主要對視頻中運動目標的檢測和跟蹤技術(shù)展開研究。
　　 針對如何進一步

2、提高監(jiān)控視頻中運動對象的檢測問題，本文采用一種基于支持向量機的運動對象分割的方法。為進一步提高支持向量機分割的準確度，我們根據(jù)支持向量機核函數(shù)的有關(guān)性質(zhì)進行了核函數(shù)的重構(gòu)，并與常用的核函數(shù)進行了對比實驗，結(jié)果顯示當核函數(shù)為徑向基函數(shù)與高斯核函數(shù)疊加時分割的精確度更高，并且在核函數(shù)為徑向基核函數(shù)與高斯核函數(shù)疊加的基礎上，我們將該算法與幀差法和背景減除法進行比較，實驗表明該算法對視頻中運動對象的進入、漸緩和離開都具有較好的有效性和魯棒性，不

3、受場景中的光照變化和運動對象運動快慢變化的影響，檢測到的運動對象沒有明顯的不連通性，分割效果較好，而且沒有大多數(shù)算法中閾值選擇的困難。
　　 關(guān)于視頻中運動對象的跟蹤問題，本文利用Camshift算法與Kalman濾波器相結(jié)合的算法。當目標是快速運動的對象時，Camshift算法非常容易跟蹤不到目標在圖像幀中的準確位置，最終導致跟蹤失??；而Kalman濾波器可以從目標的任意幀圖像中提取信息并開始跟蹤，它也可以利用目標運動的先前信