基于視頻監(jiān)控的復雜場景目標運動分析.pdf

1、智能視頻監(jiān)控技術是現(xiàn)今研究的熱點之一，關系到維護社會的穩(wěn)定、生產(chǎn)的安全、人民和諧生活等等。目標的檢測和運動分析是目前智能視頻監(jiān)控的研究熱點，本文從實際場景出發(fā)對目標的檢測和運動分析進行了深入的研究。
　　目標檢測是視頻監(jiān)控的基礎，關系到后續(xù)的各種分析研究。本文首先從運動信息出發(fā)詳細介紹了幾種視頻處理中的運動目標檢測技術，并分析概括了它們各自的優(yōu)缺點以及適用場景。對混合高斯模型不能解決場景中光照突變的問題提出了改進方法:使用三幀差結

2、果和混合高斯結果估計全局光照發(fā)生突變瞬間的前景運動區(qū)域。該改進方法檢測效果遠好于原混合高斯模型算法。對混合高斯背景模型提出了基于滑動窗口的更新策略，該更新策略不僅對背景的建模和前景的檢測均無明顯的不良影響，還能進一步提升效率。本文以混合高斯檢測的前景為基礎提出了基于運動區(qū)域的光流矢量計算方法，使用圖像金子塔思想精確計算光流場特征用于運動分析，提升了計算效率。然后，本文從利用特征信息檢測目標的角度出發(fā)介紹了計算機視覺領域內的兩種特征描述子

3、:HOG特征和Haar-like特征。對特定目標的樣本提取特征訓練分類器，能夠很好的檢測出監(jiān)控視頻中的該類目標物體。
　　本文在交通場景中的車輛運動分析研究中，利用特征信息（車型和顏色）對交通視頻中的特定車型和顏色的車輛進行篩選以及車流量的統(tǒng)計。使用文中介紹的特征描述子訓練的分類器能夠將車型相差較大的車輛區(qū)分開來。實驗中采用運動信息與特征信息相結合的方式檢測車輛以減少復雜背景的噪聲干擾。結果表明，運動信息與特征信息相結合的方式不僅

4、能有效消除復雜背景的影響，還能有效提高檢測速度。
　　本文在室內場景中的人體運動分析研究中，首先以雙攝像頭監(jiān)控為例研究解決目標被遮擋的問題。實驗中結合運動信息與特征信息檢測行人并標記行人在場景中的位置。然后計算光流場特征研究分析人體運動行為。實驗中采用基于運動區(qū)域的光流法計算運動場，并對人體不同運動行為提取了四種運動場特征行分析研究，采用訓練分類器的方法識別不同的運動行為，得到了較好的識別檢測結果。
　　最后，對本文的工作進