視頻監(jiān)控系統(tǒng)中相關(guān)圖像處理技術(shù)的研究與實(shí)現(xiàn).pdf

1、智能視頻監(jiān)控是結(jié)合了機(jī)器視覺(jué)、圖像工程、模式識(shí)別、人工智能及計(jì)算機(jī)科學(xué)等多門(mén)學(xué)科的充滿挑戰(zhàn)的前沿課題，具有廣泛的應(yīng)用前景。它可以自動(dòng)地分析從攝像機(jī)處得來(lái)的圖像序列，實(shí)現(xiàn)對(duì)監(jiān)控場(chǎng)景內(nèi)目標(biāo)的定位、跟蹤和識(shí)別，分析和判斷目標(biāo)的行為，并做出相應(yīng)的預(yù)警。智能視頻監(jiān)控系統(tǒng)可以協(xié)助人甚至代替人來(lái)完成監(jiān)視或控制任務(wù)，具備主動(dòng)、全天候、實(shí)時(shí)、防患于未然等優(yōu)勢(shì)，既可以減輕工作人員的負(fù)擔(dān)，降低監(jiān)控成本，又可以增加安全性。因此，智能視頻監(jiān)控系統(tǒng)將被廣泛應(yīng)用于火

2、災(zāi)報(bào)警、公安監(jiān)控、軍事偵察、人群控制等領(lǐng)域。
　　經(jīng)過(guò)大批國(guó)內(nèi)外學(xué)者對(duì)智能視頻監(jiān)控系統(tǒng)相關(guān)技術(shù)的深入研究，智能視頻監(jiān)控已經(jīng)得到了較大的發(fā)展，但在理論上和應(yīng)用上都仍存在著諸多需要完善的地方。本文在前人研究成果的基礎(chǔ)上，對(duì)智能視頻監(jiān)控系統(tǒng)的相關(guān)圖像處理技術(shù)進(jìn)行了研究。主要工作如下：
　　首先，對(duì)目標(biāo)檢測(cè)技術(shù)進(jìn)行了研究，分析比較了幾種常用的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，并選取以混合高斯背景模型為基礎(chǔ)的背景差分法。介紹了混合高斯背景模型的建立及

3、更新的過(guò)程，較好地解決了背景模型的建立、更新、背景擾動(dòng)、外界光照變化等問(wèn)題。分析研究了一種基于RGB色彩模型的陰影檢測(cè)算法來(lái)檢測(cè)并消除陰影區(qū)域；介紹了用于濾除初步提取的運(yùn)動(dòng)目標(biāo)中存在的噪聲的數(shù)學(xué)形態(tài)學(xué)濾波方法。
　　接著，闡述了圖像拼接技術(shù)相關(guān)理論，分析對(duì)比了幾種圖像特征提取方法的優(yōu)缺點(diǎn)，并具體介紹了具有旋轉(zhuǎn)、縮放及平移等不變性的SIFT特征提取算法。分析了用于匹配SIFT特征點(diǎn)的BBF及RANSAC算法及圖像的變換模型，并對(duì)比了

4、幾種圖像融合方法的圖像融合效果。
　　然后，對(duì)粒子濾波算法的基本理論“貝葉斯濾波原理”及“蒙特卡羅方法”進(jìn)行了介紹，研究了粒子濾波的原理及其應(yīng)用于視頻目標(biāo)跟蹤時(shí)目標(biāo)的動(dòng)態(tài)模型、觀測(cè)模型及重要性采樣等具體實(shí)現(xiàn)過(guò)程。
　　最后，提出了一種基于SIFT特征匹配的異常目標(biāo)檢測(cè)算法，用于通過(guò)對(duì)比鏡頭圖像與全景圖像，找到監(jiān)控場(chǎng)景中的異常目標(biāo)或變化；提出了一種基于粒子濾波的多人臉跟蹤算法，用以介紹粒子濾波算法在多目標(biāo)跟蹤中的應(yīng)用，即對(duì)復(fù)雜