智能視頻監(jiān)控中的行人車輛檢測算法研究.pdf

1、近年來隨著計算機視覺技術和圖像處理技術的快速發(fā)展，視頻監(jiān)控行業(yè)迅速崛起，如何提高視頻中行人車輛的檢測速度和精度成為一項亟待解決的問題。傳統(tǒng)的視頻監(jiān)控系統(tǒng)高度依賴人工解讀信息，極大地限制了系統(tǒng)的主動性和實時性，降低了系統(tǒng)的性能。目前國內外在智能視頻監(jiān)控中的行人車輛檢測方面的研究很多，基于圖像處理技術和模式識別技術的監(jiān)控系統(tǒng)，可以快速對場景進行評估，降低視覺疲勞引起的誤報率和漏報率。
　　本文設計了一套智能視頻監(jiān)控中的行人車輛檢測系統(tǒng)

2、，通過加快背景更新速度和提高檢測精確度開拓了新的思路。本文的研究主要包括以下幾個方面：
　　(1)利用高斯混合建模進行背景建模與更新。對預處理后的圖像序列進行分塊，劃分感興趣區(qū)域，根據感興趣區(qū)域的小方塊中的部分像素的灰度值變化更新背景。通過大大減少處理的數(shù)據量，達到快速有效地背景更新，從而加快背景建模速度。
　　(2)基于方向梯度直方圖算子的行人特征提取。在該模塊中，系統(tǒng)利用圖像局部區(qū)域的梯度方向直方圖特征描述行人輪廓信息和

3、運動信息，得到豐富的特征集。在HOG特征提取算法中，對圖像Gamma空間和顏色空間的歸一化可以有效的降低圖像局部的陰影和光照變化，而梯度計算能夠捕獲紋理信息、弱化光照的影響，梯度方向投影保持了對行人的姿勢、外觀的弱敏感性。
　　(3)基于小波分析的車輛特征提取。對采樣的信號進行小波分解得到高頻部分和低頻部分。由于小波變換具有多分辨率分析的特點，可以根據紋理特征的尺寸大小、對比度強弱調整分辨率，達到最優(yōu)的特征參數(shù)提取。此外，還可通過