面向智能監(jiān)控系統(tǒng)的動態(tài)場景建模與目標(biāo)跟蹤算法研究.pdf

1、智能視頻監(jiān)控技術(shù)是新興的一個研究方向，是近年來計(jì)算機(jī)視覺研究領(lǐng)域中的一個熱點(diǎn)。而視頻超分辨率重建、視頻圖像分割、場景建模與目標(biāo)跟蹤是智能視頻監(jiān)控系統(tǒng)的關(guān)鍵技術(shù)，是目標(biāo)識別、行為分析等更高層次的視頻分析技術(shù)的基礎(chǔ)。本文基于視頻分析的應(yīng)用，對視頻超分辨率重建、視頻圖像分割、動態(tài)場景建模以及視頻目標(biāo)跟蹤等智能視頻分析核心技術(shù)進(jìn)行了深入研究。
　　首先研究了視頻超分辨率算法。視頻超分辨率算法的一個必要步驟是視頻的運(yùn)動估計(jì)，而相對于其它的圖

2、像匹配算法，基于特征點(diǎn)的視頻匹配算法具有更高的魯棒性，但是基于特征點(diǎn)匹配算法的精確度受特征點(diǎn)的定位、選取和匹配誤差的影響很大。針對這些問題，本文提出將粒子濾波應(yīng)用到視頻超分辨率的運(yùn)動估計(jì)問題中，用粒子濾波來修正匹配誤差，并針對粒子濾波中的粒子匱乏問題改進(jìn)基本粒子濾波。實(shí)驗(yàn)結(jié)果表明，本文提出的算法比其它經(jīng)典濾波算法估計(jì)精度有了明顯地提高，充分體現(xiàn)了提出算法的有效性;而且本文提出的算法在超分辨率重建中能更精確地進(jìn)行運(yùn)動估計(jì)，匹配精度和穩(wěn)定性

3、方面優(yōu)于文獻(xiàn)中提到的其它超分辨率重建算法。
　　其次研究了圖像的閾值分割問題，提出一種局部變異粒子群算法來解決多閾值分割問題。最大類間方差閾值化(OTSU)算法是常用的圖像閾值分割算法，但由于其計(jì)算的窮舉性，使其無法完成多閾值分割任務(wù)。針對這個問題，本文提出利用局部變異粒子群算法解決多閾值OTSU算法的圖像分割問題。局部變異粒子群算法中，當(dāng)粒子滿足變異條件時對粒子進(jìn)行局部變異操作，代替原來重新初始化的操作過程，即減少了工作量，又有

4、效保留了前期工作的有用信息。實(shí)驗(yàn)表明，相對于經(jīng)典的粒子群算法，局部變異粒子群算法有更快的收斂速度，平均收斂精度有了明顯地提高，而且有效地解決了多閾值OTSU算法的圖像分割問題。
　　第三研究了動態(tài)場景建模問題，提出一種自適應(yīng)混合高斯建模算法。混合高斯分布算法是一種常用的背景建模算法，但如何選擇背景更新速率是算法的關(guān)鍵?；净旌细咚狗植寄Ｐ退袇^(qū)域采取固定的更新速率，使得無法適應(yīng)不同變化速度的場景。針對這個問題，本文提出自適應(yīng)混合高

5、斯建模算法，將一般的混合高斯建模與背景差分算法相結(jié)合，并對背景差分檢測出的前景和背景區(qū)域采用不同的更新速率，對前景區(qū)域采用自適應(yīng)更新速率。實(shí)驗(yàn)結(jié)果表明，相對于目前流行的其他背景建模方法，本文提出的算法能夠更有效地濾除動態(tài)場景內(nèi)的局部運(yùn)動，較好地對背景進(jìn)行建模，克服背景噪聲。
　　第四，研究了目標(biāo)跟蹤算法，在分析連續(xù)自適應(yīng)均值偏移算法(Camshift)原理的基礎(chǔ)上，提出一種快速連續(xù)自適應(yīng)均值偏移算法(FCshift)。經(jīng)典的視頻目

6、標(biāo)跟蹤算法Camshift算法具備計(jì)算量小的優(yōu)點(diǎn)，但在某些實(shí)時性很強(qiáng)的領(lǐng)域，如何進(jìn)一步縮小Camshift算法的計(jì)算量仍然是一個亟待解決的問題。目前國內(nèi)外學(xué)者對此問題尚無深入討論。本文通過對Camshift中迭代過程和幀間計(jì)算量進(jìn)行建模，定量的分析了擴(kuò)展窗口的大小與計(jì)算量之間的關(guān)系，推導(dǎo)出優(yōu)化擴(kuò)展窗口的計(jì)算依據(jù)，從而提出快速連續(xù)自適應(yīng)均值偏移算法FCshift。實(shí)驗(yàn)表明，在相同實(shí)驗(yàn)場景下，F(xiàn)Cshift的平均運(yùn)行時間比使用各種擴(kuò)展率的C