運(yùn)動(dòng)陰影檢測(cè)與目標(biāo)識(shí)別方法研究.pdf

1、當(dāng)今科技發(fā)展日新月異，社會(huì)經(jīng)濟(jì)水平穩(wěn)步提升，人口的流動(dòng)性日益增大，大量的流動(dòng)人口給社會(huì)治安帶來(lái)挑戰(zhàn)，傳統(tǒng)的安防監(jiān)控系統(tǒng)依靠人力對(duì)場(chǎng)景視頻進(jìn)行分析處理，沒(méi)有充分利用計(jì)算機(jī)技術(shù)以最大化視頻監(jiān)控的價(jià)值。近年來(lái)，計(jì)算機(jī)視覺(jué)、機(jī)器學(xué)習(xí)等技術(shù)不斷發(fā)展，智能視頻監(jiān)控系統(tǒng)日趨成熟，在眾多公共場(chǎng)所中得到了大量應(yīng)用，相比于傳統(tǒng)方法，它不僅能減輕監(jiān)控人員的工作負(fù)擔(dān)、節(jié)約成本，還能提高數(shù)據(jù)處理、異常檢測(cè)的能力。結(jié)合當(dāng)前先進(jìn)的理論和技術(shù)，智能視頻監(jiān)控系統(tǒng)將在建設(shè)

2、智慧城市、平安城市等方面發(fā)揮重要作用。
　　由于監(jiān)控場(chǎng)景的多樣性和復(fù)雜性，目前智能視頻監(jiān)控還面臨許多問(wèn)題和挑戰(zhàn)，本文主要針對(duì)運(yùn)動(dòng)陰影檢測(cè)以及運(yùn)動(dòng)目標(biāo)識(shí)別問(wèn)題進(jìn)行研究，主要工作如下:
　　(1)分析了產(chǎn)生運(yùn)動(dòng)陰影的基本原理及其相關(guān)性質(zhì)，介紹了不同類型的運(yùn)動(dòng)陰影檢測(cè)算法。分析了經(jīng)典的運(yùn)動(dòng)目標(biāo)檢測(cè)算法并對(duì)基于碼本的方法進(jìn)行了詳細(xì)說(shuō)明，對(duì)目標(biāo)分類中常用的特征及分類器進(jìn)行了介紹。
　　(2)提出了一種基于哈爾型特性局部二元模式(

3、Haar Local Binary Pattern，HLBP)特征的運(yùn)動(dòng)陰影檢測(cè)算法。該算法分別提取運(yùn)動(dòng)區(qū)域及其背景區(qū)域的HLBP特征向量，不需要進(jìn)行閾值選取、圖像分塊以及直方圖統(tǒng)計(jì)，使用曼哈頓距離度量紋理差異，對(duì)差異圖像進(jìn)行閾值分割以檢測(cè)運(yùn)動(dòng)陰影。結(jié)合顏色空間信息及紋理信息，提出了一種基于隨機(jī)森林的運(yùn)動(dòng)陰影檢測(cè)方法，該方法不需要對(duì)應(yīng)用場(chǎng)景的光照、反射性質(zhì)等進(jìn)行假設(shè)，也避免了參數(shù)的設(shè)置。使用隨機(jī)森林分類器對(duì)各個(gè)像素點(diǎn)進(jìn)行二分類，判決是陰

4、影還是前景目標(biāo)像素點(diǎn)。該方法對(duì)各種室內(nèi)外場(chǎng)景能取得較好的效果并且具有一定的泛化能力。
　　(3)提出了一種基于HOG-HLBP特征的運(yùn)動(dòng)目標(biāo)識(shí)別方法。利用方向梯度直方圖（Histogram of Oriented Gradient，HOG）對(duì)目標(biāo)外形輪廓以及HLBP對(duì)紋理的描述能力，將兩者結(jié)合形成HOG-HLBP特征，使用支持向量機(jī)(SupportVector Machines，SVM)進(jìn)行多類別判決，實(shí)驗(yàn)證明該方法能取得較好的分