新一代智能視頻分析系統(tǒng)中目標(biāo)提取算法的研究與實現(xiàn).pdf

1、隨著生活水平的提高，人們對安全防范的要求也逐漸升高。在眾多的安防產(chǎn)品中，智能視頻監(jiān)控系統(tǒng)以它得天獨厚的優(yōu)勢迅速發(fā)展。廣泛的應(yīng)用前景和巨大的商業(yè)需求，使它逐漸成為國內(nèi)外的研究熱點。
　　 作為網(wǎng)絡(luò)時代的產(chǎn)物，新一代智能視頻分析系統(tǒng)擺脫了地域的限制，以更快捷的速度、更智能的方式為用戶提供有用信息。視頻分析算法決定了這類系統(tǒng)的智能化程度，扮演著極其重要的角色。通常，智能視頻分析算法主要包括目標(biāo)提取、目標(biāo)識別、目標(biāo)跟蹤以及行為識別等算法

2、。運動目標(biāo)提取是整個智能分析系統(tǒng)的基石，它的優(yōu)劣直接影響著后續(xù)算法的性能。但是，由于受環(huán)境等因素的影響，目標(biāo)提取一直都是非常富有挑戰(zhàn)性的工作。
　　 目前，大多數(shù)智能視頻分析系統(tǒng)都采用減背景法進行目標(biāo)提取。作為減背景法的典型代表，混合高斯模型法已經(jīng)被廣泛地應(yīng)用到了實際中。該方法不但可以適應(yīng)環(huán)境的緩慢變化，而且能夠可靠地處理樹葉晃動、旗幟飄揚等因素的影響。然而，僅僅依靠時域信息并不能獲得很好的檢測效果。于是，一些基于空域信息的圖像

3、分割法(如圖割法、種子區(qū)域生長法等)被引入進來以提高目標(biāo)提取的準(zhǔn)確性，它們在不同的應(yīng)用場景表現(xiàn)出了不同的優(yōu)勢。實驗證明，使用自適應(yīng)閾值對混合高斯模型進行改進，能夠改善目標(biāo)被檢測成為多個區(qū)域(“過分分割”)的現(xiàn)象，在性能和效率上獲得很好的折衷。
　　 將改進后的算法應(yīng)用于智能視頻分析系統(tǒng)的必要步驟還包括算法的實現(xiàn)和優(yōu)化。較算法的實現(xiàn)而言，優(yōu)化工作更加繁瑣復(fù)雜。算法的優(yōu)化策略多種多樣，總結(jié)起來可以分為物理級、算法級、程序級和代碼級四