智能視頻監(jiān)控系統(tǒng)中運動目標檢測與跟蹤算法的研究.pdf

1、智能視頻監(jiān)控是在不需要人為干預(yù)的情況下，利用視頻分析方法對圖像序列進行自動分析，實現(xiàn)對動態(tài)場景中的目標檢測和跟蹤，在此基礎(chǔ)上還可以實現(xiàn)一些后續(xù)步驟，如目標識別、目標行為分析、報警等。因此智能視頻監(jiān)控技術(shù)是目前國內(nèi)外計算機視覺研究領(lǐng)域熱點問題之一。
　　 運動目標的檢測和跟蹤是視頻監(jiān)控系統(tǒng)中重要組成部分，因此如何實現(xiàn)對運動目標實時、穩(wěn)定和有效地檢測和跟蹤，是一個需要關(guān)注和研究的重要問題。本文旨在設(shè)計攝像頭靜止情況下的智能視頻監(jiān)控系

2、統(tǒng)，在分析現(xiàn)有成果的基礎(chǔ)上，對運動目標檢測和跟蹤的相關(guān)技術(shù)進行了改進和實現(xiàn)。主要內(nèi)容如下：
　　 在目標檢測方面，首先比較分析了常用的幾種運動目標檢測方法，選取以混合高斯模型為基礎(chǔ)的背景減法，接著分析了利用傳統(tǒng)高斯模型判決目標時需要人為設(shè)置閾值的問題，影響了運動目標檢測系統(tǒng)的實用性。針對這個缺陷，本文提出了一種基于自適應(yīng)閾值的高斯模型。在分析幾種自適應(yīng)閾值法的基礎(chǔ)上，本文采用最大類間方差法的思想來改進傳統(tǒng)混合高斯模型，從而替代傳

3、統(tǒng)算法中的固定閾值檢測，使得運動目標檢測系統(tǒng)可以根據(jù)場景動態(tài)地設(shè)置閾值，提高了運動目標檢測系統(tǒng)的實用性和精確度。
　　 在目標跟蹤方面，本文選取CamShift算法來完成系統(tǒng)中目標跟蹤的任務(wù)，針對CamShift算法對快速運動目標的跟蹤效果不理想的問題，本文結(jié)合卡爾曼線性濾波器對視頻下一幀的目標位置加以預(yù)測，實現(xiàn)對原有算法的改進。改進后的CamShift算法在跟蹤迭代起始點的位置上更加靠近目標實際所在的位置，從而縮小了搜索范圍，