智能視覺監(jiān)控系統(tǒng)若干關(guān)鍵技術(shù)研究與實現(xiàn).pdf

1、智能視覺監(jiān)控是計算機視覺領(lǐng)域一個新興的和充滿挑戰(zhàn)性的研究內(nèi)容。所謂“智能”是相對傳統(tǒng)監(jiān)控方式而言，系統(tǒng)可以自動對拍攝到的圖像序列進行分析，對監(jiān)視場景中出現(xiàn)的異常目標或現(xiàn)象及時做出反應(yīng)，并根據(jù)當(dāng)前狀態(tài)對將要發(fā)生的事件進行預(yù)測，提醒值守人員注意相關(guān)監(jiān)控畫面以提前做好相應(yīng)準備，將損失降到最小。智能視覺監(jiān)控系統(tǒng)克服了傳統(tǒng)監(jiān)控方式中需靠人力日夜值守、被動錄像事后處理等諸多不足，充分發(fā)揮了其實時、主動、全天候、可防范于未然等優(yōu)勢，從而可以協(xié)助人甚至

2、代替人來完成監(jiān)視或控制任務(wù)，大大減輕了人的負擔(dān)，同時也降低了監(jiān)控成本。因此，智能視覺監(jiān)控系統(tǒng)在安全防范、交通控制、軍事安全、火災(zāi)報警、人群控制等諸多領(lǐng)域都有著廣泛的應(yīng)用前景。 當(dāng)前，智能視覺監(jiān)控技術(shù)雖有了長足發(fā)展，但無論在理論上還是在應(yīng)用上還存在著諸多需要完善的地方，國內(nèi)外大批學(xué)者也對該領(lǐng)域進行了廣泛而深入的研究，并取得了大量的成果。本文是在這些成果的基礎(chǔ)上，對智能視覺監(jiān)控中若干關(guān)鍵技術(shù)進行了研究。主要工作如下： 首先，

3、在運動目標檢測方面，考慮到時間差分法分割目標容易產(chǎn)生“空洞”和光流法實時性較差等因素，本文著重研究了基于自適應(yīng)背景減除的運動檢測方法。通過大量實驗，逐一驗證了非參數(shù)模型、W4模型、單高斯模型和混合高斯模型等自適應(yīng)背景減除算法，比較分析了它們的優(yōu)勢和不足之處，以期為實際場合的應(yīng)用提供更多更合適的解決方案。提出了一種改進的混合高斯背景建模算法，實驗結(jié)果表明該算法增強了背景模型的穩(wěn)定性，有效提高了背景模型的訓(xùn)練效率，大大減小了光照變化、背景擾

4、動(典型的如樹葉搖晃)等外界干擾對背景模型的影響，在室外、室內(nèi)環(huán)境下均可快速、準確、完整地分割出運動目標。 其次，針對圖像后處理去噪，本文介紹了幾種常用的濾波方法，著重討論了形態(tài)學(xué)中的膨脹、腐蝕運算在去噪中的應(yīng)用，并取得了很好的效果。 接著，關(guān)于目標跟蹤，本文主要研究利用Kalman濾波的方法實現(xiàn)對運動車輛和行人的實時跟蹤。實驗表明，該方法可準確地對諸如目標下一步的位置、速度等參數(shù)做出估計，可為后續(xù)相關(guān)匹配等工作打下良好