智能視頻監(jiān)控系統(tǒng)中運(yùn)動(dòng)目標(biāo)檢測(cè)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(duì)圖像序列進(jìn)行自動(dòng)分析，實(shí)現(xiàn)對(duì)動(dòng)態(tài)場(chǎng)景中的目標(biāo)檢測(cè)和跟蹤，在此基礎(chǔ)上還可以實(shí)現(xiàn)一些后續(xù)步驟，如目標(biāo)識(shí)別、目標(biāo)行為分析、報(bào)警等。因此智能視頻監(jiān)控技術(shù)是目前國(guó)內(nèi)外計(jì)算機(jī)視覺(jué)研究領(lǐng)域熱點(diǎn)問(wèn)題之一。
　　 運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤是視頻監(jiān)控系統(tǒng)中重要組成部分，因此如何實(shí)現(xiàn)對(duì)運(yùn)動(dòng)目標(biāo)實(shí)時(shí)、穩(wěn)定和有效地檢測(cè)和跟蹤，是一個(gè)需要關(guān)注和研究的重要問(wèn)題。本文旨在設(shè)計(jì)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(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤的相關(guān)技術(shù)進(jìn)行了改進(jìn)和實(shí)現(xiàn)。主要內(nèi)容如下：
　　 在目標(biāo)檢測(cè)方面，首先比較分析了常用的幾種運(yùn)動(dòng)目標(biāo)檢測(cè)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(biāo)時(shí)需要人為設(shè)置閾值的問(wèn)題，影響了運(yùn)動(dòng)目標(biāo)檢測(cè)系統(tǒng)的實(shí)用性。針對(duì)這個(gè)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(lái)改進(jìn)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(cè)，使得運(yùn)動(dòng)目標(biāo)檢測(cè)系統(tǒng)可以根據(jù)場(chǎng)景動(dòng)態(tài)地設(shè)置閾值，提高了運(yùn)動(dòng)目標(biāo)檢測(cè)系統(tǒng)的實(shí)用性和精確度。
　　 在目標(biāo)跟蹤方面，本文選取CamShift算法來(lái)完成系統(tǒng)中目標(biāo)跟蹤的任務(wù)，針對(duì)CamShift算法對(duì)快速運(yùn)動(dòng)目標(biāo)的跟蹤效果不理想的問(wèn)題，本文結(jié)合卡爾曼線性濾波器對(duì)視頻下一幀的目標(biāo)位置加以預(yù)測(cè)，實(shí)現(xiàn)對(duì)原有算法的改進(jìn)。改進(jìn)后的CamShift算法在跟蹤迭代起始點(diǎn)的位置上更加靠近目標(biāo)實(shí)際所在的位置，從而縮小了搜索范圍，