基于視頻監(jiān)控的復(fù)雜場景目標(biāo)運(yùn)動分析.pdf

1、智能視頻監(jiān)控技術(shù)是現(xiàn)今研究的熱點(diǎn)之一，關(guān)系到維護(hù)社會的穩(wěn)定、生產(chǎn)的安全、人民和諧生活等等。目標(biāo)的檢測和運(yùn)動分析是目前智能視頻監(jiān)控的研究熱點(diǎn)，本文從實(shí)際場景出發(fā)對目標(biāo)的檢測和運(yùn)動分析進(jìn)行了深入的研究。
　　目標(biāo)檢測是視頻監(jiān)控的基礎(chǔ)，關(guān)系到后續(xù)的各種分析研究。本文首先從運(yùn)動信息出發(fā)詳細(xì)介紹了幾種視頻處理中的運(yùn)動目標(biāo)檢測技術(shù)，并分析概括了它們各自的優(yōu)缺點(diǎn)以及適用場景。對混合高斯模型不能解決場景中光照突變的問題提出了改進(jìn)方法:使用三幀差結(jié)

2、果和混合高斯結(jié)果估計全局光照發(fā)生突變瞬間的前景運(yùn)動區(qū)域。該改進(jìn)方法檢測效果遠(yuǎn)好于原混合高斯模型算法。對混合高斯背景模型提出了基于滑動窗口的更新策略，該更新策略不僅對背景的建模和前景的檢測均無明顯的不良影響，還能進(jìn)一步提升效率。本文以混合高斯檢測的前景為基礎(chǔ)提出了基于運(yùn)動區(qū)域的光流矢量計算方法，使用圖像金子塔思想精確計算光流場特征用于運(yùn)動分析，提升了計算效率。然后，本文從利用特征信息檢測目標(biāo)的角度出發(fā)介紹了計算機(jī)視覺領(lǐng)域內(nèi)的兩種特征描述子

3、:HOG特征和Haar-like特征。對特定目標(biāo)的樣本提取特征訓(xùn)練分類器，能夠很好的檢測出監(jiān)控視頻中的該類目標(biāo)物體。
　　本文在交通場景中的車輛運(yùn)動分析研究中，利用特征信息（車型和顏色）對交通視頻中的特定車型和顏色的車輛進(jìn)行篩選以及車流量的統(tǒng)計。使用文中介紹的特征描述子訓(xùn)練的分類器能夠?qū)④囆拖嗖钶^大的車輛區(qū)分開來。實(shí)驗中采用運(yùn)動信息與特征信息相結(jié)合的方式檢測車輛以減少復(fù)雜背景的噪聲干擾。結(jié)果表明，運(yùn)動信息與特征信息相結(jié)合的方式不僅

4、能有效消除復(fù)雜背景的影響，還能有效提高檢測速度。
　　本文在室內(nèi)場景中的人體運(yùn)動分析研究中，首先以雙攝像頭監(jiān)控為例研究解決目標(biāo)被遮擋的問題。實(shí)驗中結(jié)合運(yùn)動信息與特征信息檢測行人并標(biāo)記行人在場景中的位置。然后計算光流場特征研究分析人體運(yùn)動行為。實(shí)驗中采用基于運(yùn)動區(qū)域的光流法計算運(yùn)動場，并對人體不同運(yùn)動行為提取了四種運(yùn)動場特征行分析研究，采用訓(xùn)練分類器的方法識別不同的運(yùn)動行為，得到了較好的識別檢測結(jié)果。
　　最后，對本文的工作進(jìn)