智能視頻監(jiān)控系統(tǒng)的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法研究.pdf

1、安防理念的不斷提高使智能視頻監(jiān)控在人類社會(huì)生活中扮演著越來(lái)越重要的角色。智能視頻監(jiān)控的核心任務(wù)是對(duì)視頻流中的圖像序列進(jìn)行有效分析，實(shí)現(xiàn)場(chǎng)景中運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤，以及完成后續(xù)的目標(biāo)識(shí)別、行為理解等任務(wù)，其中大部分有意義的信息體現(xiàn)在運(yùn)動(dòng)中，故運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤是目前智能視頻監(jiān)控系統(tǒng)中最重要的研究?jī)?nèi)容之一。本文分三個(gè)方面圍繞運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤算法開(kāi)展深入研究，最后闡述了智能視頻監(jiān)控系統(tǒng)的工作原理、技術(shù)架構(gòu)及其在居家安防中的應(yīng)用情況、優(yōu)越性

2、、關(guān)鍵技術(shù)及難點(diǎn)和未來(lái)發(fā)展趨勢(shì)。
　?。ㄒ唬?duì)幾種常用的運(yùn)動(dòng)目標(biāo)檢測(cè)方法進(jìn)行分析，選用混合高斯模型進(jìn)行背景建模，并對(duì)檢測(cè)出的前景目標(biāo)選取了合適的形態(tài)學(xué)操作進(jìn)行去噪。
　?。ǘ┽槍?duì)當(dāng)前運(yùn)動(dòng)陰影檢測(cè)中采用的紋理信息過(guò)于粗糙、閾值選取需要人工干涉等問(wèn)題，通過(guò)對(duì)NCC（歸一化互相關(guān)）紋理算法進(jìn)行改進(jìn)，并結(jié)合亮度和歸一化顏色特性，提出一種自適應(yīng)的運(yùn)動(dòng)陰影檢測(cè)方法，以混合高斯模型得到的前景像素為基礎(chǔ)，通過(guò)陰影在亮度和歸一化顏色的特性篩

3、選出候選的陰影區(qū)域，結(jié)合改進(jìn)的紋理算法進(jìn)一步縮小陰影區(qū)域范圍，最后利用空間后處理得到真實(shí)陰影。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的算法在有效降低噪聲干擾的情況下能夠較好的區(qū)分局部紋理不明顯的運(yùn)動(dòng)目標(biāo)和陰影。
　?。ㄈ┽槍?duì)傳統(tǒng)Meanshift算法在運(yùn)動(dòng)目標(biāo)被嚴(yán)重遮擋情況下出現(xiàn)跟蹤丟失問(wèn)題，提出了復(fù)雜環(huán)境中融合軌跡校正的新型Meanshift目標(biāo)跟蹤算法。將顏色空間由傳統(tǒng)的RGB空間轉(zhuǎn)換到區(qū)分度更好的HSV空間，提出了新的融合規(guī)則:目標(biāo)無(wú)遮擋和

4、走出遮擋時(shí)，Meanshift算法進(jìn)行跟蹤;目標(biāo)進(jìn)入遮擋和被嚴(yán)重或完全遮擋時(shí)，Klaman濾波估計(jì)運(yùn)動(dòng)軌跡。實(shí)驗(yàn)結(jié)果表明:新算法有效解決了目標(biāo)處于遮擋下的跟蹤丟失問(wèn)題。
　?。ㄋ模?duì)智能視頻監(jiān)控系統(tǒng)的工作原理、體系架構(gòu)進(jìn)行分析研究，簡(jiǎn)要闡述了智能視頻監(jiān)控系統(tǒng)在人們?nèi)粘Ｉ钪械闹匾院蛢?yōu)越性。重點(diǎn)對(duì)家庭智能視頻監(jiān)控系統(tǒng)做了深入的研究，分析其現(xiàn)實(shí)應(yīng)用情況、技術(shù)優(yōu)勢(shì)、關(guān)鍵技術(shù)及難點(diǎn)和未來(lái)的發(fā)展趨勢(shì)。
　　本文的研究?jī)?nèi)容較好地提高了