運動陰影檢測與目標識別方法研究.pdf

1、當今科技發(fā)展日新月異，社會經(jīng)濟水平穩(wěn)步提升，人口的流動性日益增大，大量的流動人口給社會治安帶來挑戰(zhàn)，傳統(tǒng)的安防監(jiān)控系統(tǒng)依靠人力對場景視頻進行分析處理，沒有充分利用計算機技術以最大化視頻監(jiān)控的價值。近年來，計算機視覺、機器學習等技術不斷發(fā)展，智能視頻監(jiān)控系統(tǒng)日趨成熟，在眾多公共場所中得到了大量應用，相比于傳統(tǒng)方法，它不僅能減輕監(jiān)控人員的工作負擔、節(jié)約成本，還能提高數(shù)據(jù)處理、異常檢測的能力。結合當前先進的理論和技術，智能視頻監(jiān)控系統(tǒng)將在建設

2、智慧城市、平安城市等方面發(fā)揮重要作用。
　　由于監(jiān)控場景的多樣性和復雜性，目前智能視頻監(jiān)控還面臨許多問題和挑戰(zhàn)，本文主要針對運動陰影檢測以及運動目標識別問題進行研究，主要工作如下:
　　(1)分析了產(chǎn)生運動陰影的基本原理及其相關性質，介紹了不同類型的運動陰影檢測算法。分析了經(jīng)典的運動目標檢測算法并對基于碼本的方法進行了詳細說明，對目標分類中常用的特征及分類器進行了介紹。
　　(2)提出了一種基于哈爾型特性局部二元模式(

3、Haar Local Binary Pattern，HLBP)特征的運動陰影檢測算法。該算法分別提取運動區(qū)域及其背景區(qū)域的HLBP特征向量，不需要進行閾值選取、圖像分塊以及直方圖統(tǒng)計，使用曼哈頓距離度量紋理差異，對差異圖像進行閾值分割以檢測運動陰影。結合顏色空間信息及紋理信息，提出了一種基于隨機森林的運動陰影檢測方法，該方法不需要對應用場景的光照、反射性質等進行假設，也避免了參數(shù)的設置。使用隨機森林分類器對各個像素點進行二分類，判決是陰

4、影還是前景目標像素點。該方法對各種室內(nèi)外場景能取得較好的效果并且具有一定的泛化能力。
　　(3)提出了一種基于HOG-HLBP特征的運動目標識別方法。利用方向梯度直方圖（Histogram of Oriented Gradient，HOG）對目標外形輪廓以及HLBP對紋理的描述能力，將兩者結合形成HOG-HLBP特征，使用支持向量機(SupportVector Machines，SVM)進行多類別判決，實驗證明該方法能取得較好的分