道路監(jiān)控下的運動目標檢測和異常行為檢測有效方法研究.pdf

1、視頻監(jiān)控在現(xiàn)代社會中有著廣泛的需求，從公共領(lǐng)域到家庭生活都有不同的應(yīng)用。其中，公共環(huán)境的監(jiān)控需要大量的設(shè)備資源和人力資源，而引入智能視頻處理與分析技術(shù)會顯著提高監(jiān)控系統(tǒng)的效用，諸如不間斷的監(jiān)控，更可靠高效，更低的成本，更好地保護隱私。本文的研究工作圍繞監(jiān)控系統(tǒng)中的智能視頻處理與分析任務(wù)展開，重點研究運動前景檢測和異常行為檢測兩個關(guān)鍵問題，關(guān)注的監(jiān)控場景主要是固定單攝像頭下的公共場所，如存在車輛和行人的街道等。
　　在諸多運動前景檢

2、測的算法中，背景差分法是實時監(jiān)控系統(tǒng)中廣泛采用的方法。本文給出了背景建模的基本假設(shè)，采用了一種基于Σ-Δ濾波的方法進行背景建模和前景檢測，并對Σ-Δ濾波方法進行了改進，以穩(wěn)定地提取背景信息、平衡背景更新速率與外界干擾的矛盾。同時，本文使用采樣中值濾波建立初始背景，彌補Σ-Δ法初始化慢的問題。對于前景檢測后得到的前景區(qū)域，使用形態(tài)學(xué)操作來填補孔洞、去除小區(qū)域噪聲、連通與分割區(qū)域。
　　在異常行為檢測的算法中，由于省略目標識別和跟蹤的

3、步驟，基于特征的方法具有較低的復(fù)雜度和系統(tǒng)需求，適合于分布式的道路監(jiān)控系統(tǒng)。本文對前景檢測得到的區(qū)域計算形狀參數(shù)，求基于攝像頭架設(shè)模型的歸一化面積，獲取基于局部時空平滑光流與混合高斯模型的目標速度。根據(jù)目標的形狀、面積、速度等特征參數(shù)，使用多個不同的分類器，分檢目標的種屬、位置和速度。在這個框架下，三個分類器是相互獨立的，并使用統(tǒng)計分析的方法分別獲取其參數(shù)和表征正常狀態(tài)的活動區(qū)域圖、速度范圍圖。
　　本文對于運動前景檢測以及異常行