面向船閘的多目標(biāo)檢測方法研究.pdf

1、目標(biāo)檢測是智能視頻監(jiān)控系統(tǒng)中最關(guān)鍵的模塊之一,該模塊通過對視頻圖像進(jìn)行分析建立起背景模型,然后對比當(dāng)前幀與背景模型之間的差異得到前景目標(biāo)。對于最基礎(chǔ)的目標(biāo)檢測模塊,目前已經(jīng)提出了多種檢測算法。由于影響檢測精確度的原因很多,包括光照突變,檢測速度,噪音干擾,氣候條件等,而且實(shí)際工程中復(fù)雜的水上背景,變化多端的氣候條件,導(dǎo)致這些算法不能達(dá)到很好的檢測效果。針對以上問題,本文對面向船閘的多目標(biāo)檢測算法展開研究,主要內(nèi)容包括:
　　⑴比較

2、幾種常用的目標(biāo)檢測算法的性能,總結(jié)出它們的優(yōu)缺點(diǎn)。結(jié)合混合高斯背景建模的高檢測率及滑動平均算法對光照突變不敏感的優(yōu)點(diǎn),提出一種新的融合算法,該算法很好的解決了混合高斯模型對光照突變敏感帶來的檢測失效問題。
　?、茖﹃幱暗男纬稍磉M(jìn)行了分析,考慮到陰影的特性,其亮度與背景相比較暗而色度變化非常小,本文利用基于 RGB空間的陰影去除算法對船只的陰影進(jìn)行處理。由于水波紋的影響導(dǎo)致陰影去除并不徹底,根據(jù)殘留陰影的特征,提出了一種基于密度算

3、子的二次陰影去除算法對陰影進(jìn)一步處理,實(shí)驗(yàn)結(jié)果表明新算法能夠達(dá)到理想的陰影去除效果。陰影的徹底去除,給船只的準(zhǔn)確識別打下良好的基礎(chǔ)。
　　⑶介紹了DBSCAN聚類算法,利用DBSCAN基于密度聚類的性質(zhì),將其利用到船只的定位當(dāng)中,從而判斷船只與禁停線的相對位置。首先掃描出船頭的曲線,根據(jù)船頭頂點(diǎn)所在的位置及形狀的特征,對船頭曲線上的每個點(diǎn)進(jìn)行聚類,得到的簇中心點(diǎn)即為船頭的位置。
　?、仍?VC++6.0平臺上實(shí)現(xiàn)了船閘視頻監(jiān)