智能視頻監(jiān)控中的多特征融合問(wèn)題研究.pdf

1、視頻監(jiān)控系統(tǒng)經(jīng)過(guò)多年的發(fā)展,在公共安全方面發(fā)揮越來(lái)越大的作用。近年來(lái)人們對(duì)公共安全和交通安全越來(lái)越重視,傳統(tǒng)的視頻監(jiān)控系統(tǒng)需要工作人員長(zhǎng)時(shí)間集中精力監(jiān)控,只能做到“事后取證”,而不能“實(shí)時(shí)預(yù)防”,因此越來(lái)越不能滿(mǎn)足需求。在現(xiàn)代社會(huì),視頻監(jiān)控技術(shù)向智能視頻監(jiān)控系統(tǒng)發(fā)展已經(jīng)迫在眉睫。智能視頻監(jiān)控是計(jì)算機(jī)視覺(jué)和模式識(shí)別技術(shù)理論在視頻監(jiān)控領(lǐng)域內(nèi)的應(yīng)用,其中的關(guān)鍵技術(shù)問(wèn)題就是如何選擇和設(shè)計(jì)合適的特征表達(dá)圖像的內(nèi)容,進(jìn)而有效的理解場(chǎng)景圖像中的內(nèi)容。

2、由于被監(jiān)控場(chǎng)景的復(fù)雜性和特征本身的局限性,只用單一特征難以有效表示圖像內(nèi)容以完成前景背景分類(lèi)。在很多應(yīng)用中,只有選擇和設(shè)計(jì)多個(gè)特征進(jìn)行有效的融合,才能取得滿(mǎn)意的分類(lèi)效果。本文主要工作針對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤中的問(wèn)題,研究運(yùn)用多特征融合以更有效的完成前景運(yùn)動(dòng)目標(biāo)和背景的分類(lèi)。
　　本文的主要研究工作和創(chuàng)新如下:
　　(1)提出了一種新的光照魯棒的遞歸背景學(xué)習(xí)方法以及一種邊緣特征和顏色特征融合的背景建模方法本文提出了一種基于邊緣特

3、征的光照魯棒的遞歸背景學(xué)習(xí)方法,該方法可以有效克服局部光照和攝像頭擾動(dòng)給目標(biāo)檢測(cè)帶來(lái)的影響。本文還對(duì)基于顏色特征的背景差模型做了總結(jié)和定量的分析比較。雖然基于顏色特征的背景差方法可以得到連通的前景目標(biāo)區(qū)域,但由于顏色對(duì)光照敏感,在目標(biāo)的突然移動(dòng)和局部光照發(fā)生變化的情況下,往往會(huì)檢測(cè)出虛假目標(biāo)。本文通過(guò)顏色特征和邊緣特征的融合,有效的消除突然光照變化和背景中長(zhǎng)時(shí)間不動(dòng)的目標(biāo)的突然移動(dòng)而帶來(lái)的虛假目標(biāo)。
　　(2)提出了一種新的基于A

4、daBoost的前景/陰影分類(lèi)的特征融合框架在運(yùn)動(dòng)目標(biāo)檢測(cè)中,由于移動(dòng)陰影和真實(shí)運(yùn)動(dòng)目標(biāo)在運(yùn)動(dòng)等特征方面有著相同的特性,往往會(huì)把移動(dòng)陰影誤檢測(cè)為前景目標(biāo),影響目標(biāo)的識(shí)別性能。本文提出了一種基于AdaBoost的前景/陰影分類(lèi)的特征融合框架,首先設(shè)計(jì)多個(gè)弱分類(lèi)器,通過(guò)給定樣本的學(xué)習(xí),得到一個(gè)多特征融合的線性組合分類(lèi)器。試驗(yàn)表明,這種方法比以往采用的單一特征方法在檢測(cè)率上有較大提高。
　　(3)提出了一種新的基于區(qū)域特征分層的背景建模

5、方法在固定場(chǎng)景的視頻監(jiān)控中,動(dòng)態(tài)背景給運(yùn)動(dòng)目標(biāo)檢測(cè)帶來(lái)了困難。本文提出了基于區(qū)域特征和局部特征融合的運(yùn)動(dòng)目標(biāo)檢測(cè)算法。首先按區(qū)域特征對(duì)背景分層,將場(chǎng)景分為動(dòng)態(tài)背景層和靜態(tài)背景層。對(duì)于不同背景層,采用不同的背景建模方法。對(duì)于靜態(tài)背景層,采用基于顏色特征的個(gè)數(shù)較少的混合高斯模型對(duì)背景建模;對(duì)于動(dòng)態(tài)背景層,將顏色特征和運(yùn)動(dòng)特征融合,從而檢測(cè)出前景目標(biāo)。通過(guò)試驗(yàn)表明,本方法在運(yùn)行效率和檢測(cè)率比以往的方法有著較大的提高。
　　(4)提出了一