万方数据
万方数据
－１４?机电工程第２６卷
同一背景在间隔５ｓ时的差异像素统计直方图如
图５所示。可见灰度差异绝大部分分布在２５（灰度级
２５６）之内，即肛＝２５／２５６＝９．６％。
灰度差值
图５背景灰度差异直方图
根据以上实验结果，本研究采用ｐ＝ｌＯ％作为静态阈值系数。
对于Ａ。争∑ＩＤ（戈，ｙ，￡）一曰（算，，，，ｔ）ｌ，动态阈值的作用是克服背景光线缓慢变化造成的影响，同时也为背景的更换提供定量的依据，避免了背景相减法中背景定时更换的盲目性，和其他背景更换算法相比具有运算简便、适用性强的优点，适合于在嵌入式系统中实现。
图像预处理的另外一个关键问题是消除噪声干扰，这也是获取准确异常区域的关键步骤。本研究采用形态学处理中的腐蚀与膨胀算法，并对图像腐蚀膨胀的深度控制进行研究。实验结果显示，对于一般的家居和办公室等场所，深度为２（即先进行两次腐蚀，再进行两次膨胀）的噪声去除效果较好，能够有效地提取目标图像。
２．２异常目标检测
为了对监控区域进行状态判断，将经过预处理的二值图像进行异常比率计算，并且定义异常率Ｐ（图像累计差异面积与总面积之比）为异常检测指标，从而进行异常状态判断。异常率Ｐ的表达式为：Ｐ：：ｌ：掣，ｃ鼬（戈，，，，。）∈Ａ（２）其中，Ｃｓ０（髫，），，ｔ）为Ｃ。（茗，ｙ，ｔ）经过形态学处理后的结果，而：
叫”∽＝｛㈡焉㈦㈩状态阈值参数的选取受到监控区域环境、异物位置以及摄像头布局的影响，为提高系统的准确性，本研究提出分段状态阈值参数Ｐ，，Ｐ：，其具体含义如下：足以断定其原因及危害性时，发出跟踪请求，进行小运
ｌ嚣㈩
利用动态阈值与静态阈值的相互关系作为背景更
肚≤Ａ寺∑ＩＤ（埘，￡）一日（Ⅵ，￡）Ｊ（５）
当上式成立时，表明是无异常状态，则此时造成动
万方数据
第３期谭墼元，等：智能图像监控系统异常目标检测算法研究．１５．
态阈值增大的主要原因是背景自身的变化（主要是光线明暗的变化）。因此，为了保证背景的实时性，避免背景微变的累积对系统可靠性的影响，就需要及时进行背景的更换。
３实验结果分析
系统使用上述异常检测算法，对人员闯入和背景光线变换进行了大量的实验，取得了很好的效果。３．１预处理中异常目标提取效果
实验中异常目标图像预处理的效果如图６所示。
图６图像预处理效果
从两幅效果图中可以看出，采用该预处理算法可以有效地消除噪点、阴影等干扰，达到了提取准确信息的目的，即有效地消除了背景的微弱变化、阴影或摄像头抖动对Ｐ值的影响，使得异常目标跟踪更加可靠。３．２小目标运动跟踪检测效果
小目标运动跟踪检测效果如图７所示。
圈７小目标运动跟踪效果
从图中可以看出，对于小目标的运动，经过跟踪处理后其异常比率Ｐ会不断增大，从而提高了小目标的Ｐ值，以避免对小目标运动（或远端目标）漏报的情况。可见该环节很好地提高了目标跟踪系统的可靠性，
扩大了系统的应用范围。
４结束语
笔者研究了基于嵌入式的视频监控系统，阐述
了系统结构及其工作原理，讨论了系统中异常检测
算法的设计与实现。该系统综合了图像处理、无线
传输、嵌入式等多种技术，能够对目标区域进行实
时的安全监控，与现有的有线视频监控系统相比较，具有配置简单、安装灵活、可靠性高、实时性强
等特点。在重要场景实时监控报警领域具有广泛的
应用前景。
参考文献（Ｒｅｆｅｒｅｎｃｅｓ）：
［１］ＭＡＥＹ，ＳＨＩＲＡＩＹ，ＭＩｕＲＡＪ，ｅｔａ１．０ｂｊｅｃｔＴｒａｃｋｉｎｇｉｎＣｌｕｔｔｅｒｅｄＢａｃｋｇｍｕｎｄｂａｓｅｄｏｎ０ｐｔｉｃ８ｌＦｌｏｗａｎｄＥｄｇｅ８
［ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｏｆｔｈｅ１３ｔｈＩｎｔｅｍａｔｉｏｎａｌｃｏｎｆｅｒｅⅡｃｅｏｎ
ＰａｔｔｅｍＲｅｃｏｇｆｌｉｔｉｏｎ，１９９６：１９６—２００．
［２］ＭＥＩＥＲＴ，ＮＧｕＮＫＮ．Ｖｉｄｅｏｓｅｇｍｅｎｔａｔｉｏｎｆｂｒｃｏｎｔｅｎｔ—ｂａｓｅｄｃｏｄｉｎｇ［Ｊ］．ＩＥＥＥＴｒａｎｓ．ｏｎｃｉｒｃｕＩｔｓａｎｄｓｙｓｔｅｍｓ
ｆｂｒＶｉｄｅｏＴｅｃｈｎｏｌｏｇｙ，１９９９，９（８）：１１９０一１２０３．?［３］ＨＡＲＩＴＡＯＧＬｕＩ，ＨＡＲｗ００ＤＤ，Ｄ！ＡＶＩＳＬ．ｗ４：ｒｅａｌ—ｔｉｍｅ８ｕｒｖｅｉ儿ａｎｃｅｏｆｐｅｏｐｌｅａｎｄｔｈｅｉｒａｃｔｉｖｉｔｉｅ８［Ｊ］．ＩＥＥＥＴｌＩａｎｓ．
ＰａｔｔｅｍＡ眦ＩｙｓｉｓａｎｄＭａｃｈｉｎｅＩｎｔｅｍｇｅｎｃｅ，２０００，２２（８）：
８０９—８３０．
［４］ＰＥＮＧＪｉｎ—ｙｅ，ＹＵＢｉａｎ?ｚｈａｎｇ．Ｍｕｌｔｉ－ｓｃａｌｅＢａｙｅｓｉａｎＦａｃｅＲｅｃｏｇｎｉｔｉｏｎｂｙｕｓｉｎｇＡｎ“－ｓｙｍｍｅｔｒｉｃａｌＢｉｏｎｈｏｇｏｎａｌ
ＷａＶｅ－ｌｅｔｓ［Ｃ］／／Ｉｎｆｏ—ｔｅｃｈａｎｄＩｎｆｏ．ｎｅｔ，２００１．Ｂｅｉｊｉｎｇ：［ｓ．ｎ．］，
２００１：４１４—４２０．
［５］ｚＩＶＫＯＶＩｃｚ．ＩｍｐｒｏｖｅｄＡｄａｐｔｉｖｅＧａｕｓｓｉａｎＭｉｘｔｕｒｅＭｏｄｅｌｆｂｒＢａｃｋ—ｇｍｕｎｄｓｕｂｔｒａｃｔｉｏｎ［Ｃ］／／Ｐｒｏｃ．ＩｃＰＲ，２００４．ｃａｍ—
ｂｒｉｄｇｅ：［ｓ．ｎ．］，２００４：２８—３１．
［６］ＶＡＬＥＲＡＭ，ＶＥＬＡｓＴＩＮｓＡ．Ｉｎｔｅｕｉｇｅｎｔｄｉｓｔｒｉｂｕｔｅｄ￥ｕｒ．ｖｅｉｌｌａｎｃｅｓｙｓｔｅｍｓ：ａｒｅｖｉｅｗ［Ｊ］．Ｖ缸ｉｏｎＩｍａ萨ＳｉｇｎａＩ
Ｐ阳ｃｅ鲒，２００５，１５２（２）：１９２—２０４．
［７］ＧＯＮｚＡＬＥｓＲｃ．ＤｉｇｉｔａｌＩｍａｇｅＰｒｏｃｅｓｓｉｎｇｕｓｉｎｇＭａｔｌａｂ［Ｍ］．Ｂｅｉｊｉｎｇ：ＰｕｂｌｉｓｈｉｎｇＨｏｕｓｅｏｆＥｌｅｃｔｒｏｎｉｃｓＩｎｄｕｓｔｒｙ，
２００７．
［８］ＥｏＧＡＭＭＡＬＡ，ＨＡＲｗｏｏＤＤ，ＤＡＶＩｓＬ．Ｎｏｎ－ｐａｒ锄ｅｔｒｉｃＭｏｄｅｌｆｏｒＢａｃｋｇｍｕｎｄｓｕｂｔＩ丑ｃｔｉｏｎ［Ｃ］／／Ｐｍｃ．６ｔｈＥｕＩＤｐｅａｎ
ＣｏｎｆｅｒｅｎｃｅｏｆＣｏｍｐｕｔｅｒＶｉｓｉｏｎ，２０００．Ｄｕｂｌｉｎ：［ｓ．ｎ．】，
２０００：７５ｌ一７６７．
［９］王成儒，顾广华．一种采用背景统计技术的视频对象分割算法［Ｊ］．光电工程，２００４，８（３Ｉ）：５７—６０．
［编辑：李辉］万方数据
智能图像监控系统异常目标检测算法研究
作者：谭塈元， 吴成东， 周芸， 侯俊， 王俏俏， TAN Ji-yuan， WU Cheng-dong， ZHOU Yun ， HOU Jun， WANG Qiao-qiao
作者单位：东北大学,信息科学与工程学院,辽宁,沈阳,110004
刊名：
机电工程
英文刊名：MECHANICAL & ELECTRICAL ENGINEERING MAGAZINE
年，卷(期)：2009，26(3)
被引用次数：0次
参考文献(9条)
1.MAE Y.SHIRAI Y.MIURA J Object Tracking in Cluttered Background based on Optical Flow and Edges 1996
2.MEIER T.NGUN K N Video segmentation for contentbased coding 1999(08)
3.HARITAOGLU I.HARWOOD D.DAVIS L W4:real-time surveillance of people and their activities 2000(08)
4.PENG Jin-ye.YU Bian-zhang Multi-scale Bayesian Face Recognition by using Anti-symmetrical Biorthogonal Wavelets 2001
5.ZIVKOVIC Z Improved Adaptive Gaussian Mixture Model for Back-ground Subtraction 2004
6.VALERA M.VELASTIN S A Intelligent distributed surveillance systems:a review 2005(02)
7.GONZALES R C Digital Image Processing Using Matlab 2007
8.EOGAMMAL A.HARWOOD D.DAVIS L Non-parametric Model for Background Subtraction 2000
9.王成儒.顾广华一种采用背景统计技术的视频对象分割算法[期刊论文]-光电工程 2004(08)
相似文献(10条)
1.学位论文毛群凌基于运动目标检测跟踪算法的智能视频监控系统设计与研究2008
智能视频监控系统是一门集通信、计算机视觉、数字视频、运动目标检测跟踪等技术为一体的综合系统，随着视频信息处理技术的发展，全数字化、网络化的视频监控系统优势越来越明显，其高度的开放性、集成性和灵活性为视频监控系统和设备的整体性能提升创造了必要的条件，智能视频(IV：IntdligentVideo)监控成为第三代全数字化网络视频监控领域中最前沿的应用模式之一。
本论文围绕运动目标检测和跟踪算法进行研究，然后设计出一个基于运动目标检测和跟踪算法的智能视频监控系统。取得的创新成果如下：
(1)针对Snake轮廓过度收缩或没有达到真实轮廓的现象，提出运动目标边缘记忆轮廓收缩算法，命名为RGreedy(RecordGreedy)算法，即在原始Greedy算法的基础上增加运动边缘点约束力和一个区域面积项，此算法在解决该问题上具有鲁棒性。
(2)帧间差分算法中，由于环境和噪声的影响，固定的阈值分割很难准确提取目标，且伴有量化噪声，针对这两个缺陷，提出在线阈值三帧梯度差分检测算法，实验证明该算法具备自适应性，可以更有效地提取出运动目标并消除了量化噪声，解决了上述两缺陷。
(3)对Kahman滤波器进行创新性3D建模，针对MeanShift对快速运动目标的跟踪不稳定；当运动目标出现大比例遮挡时，MeanShift算法会失效两个缺陷，提出KahmanMeanShift残差跟踪算法，算法中参数σv，σw，σu的取值很关键，其决定着物体的加速度，直接影响Kalman滤波器是否能准确对下一帧运动目标的位置进行预测，在本文取值6最佳。实验证明该算法可以实现对快速运动目标的稳定跟踪，并对运动目标的大比例遮挡具有鲁棒性。
(4)新型可动态扩展的设计方式：采用ARM传输母板与视频监控子板的主从设计方式，根据现场需要可灵活增加视频监控子板的数目，解决了传统监控系统固定监控路数的问题，可以灵活适应视频监控系统的监控变化，硬件上利用HPI总线实现多路监控子板的动态扩展；软件上利用HPI总线动态扫描实现各个子板的自动辨识以及驱动程序的自动加载。
(5)监控系统的智能化。设计出一个基于运动目标检测跟踪算法的智能视频监控系统，实现了智能声光报警和智能储存：当检测到运动目标时自动声光报警，并同时自动提高压缩码率，提高被摄运动目标的图像质量，当运动目标离开监控场景时跟踪结束时，降低压缩码率，节省储存资源。
2.学位论文贾茜智能视频监控中运动目标检测与跟踪技术研究及实现2009
基于计算机视觉的智能视频分析融合了图像处理、模式识别、人工智能、自动控制及数学和计算机科学等多个学科领域的技术，具有重要的科学意义和广阔的应用前景。随着信息技术的高速发展以及安全形势的迫切需要，人们对安防设备的性能要求日益提高。利用计算机视觉技术，提高视频监控系统的自动化、智能化是未来的发展方向。运动目标检测与跟踪是视频监控中的一个重要任务，它是后续各种高级处理的基础，如模式识别、行为分析等。现实的监控环境往往是错综复杂、变化无常的，探求能够从容应对复杂环境的各种变化，快速、准确而稳定的检测和跟踪目标的方法是该课题的主要研究内容。
本论文以实现智能化视频监控系统这一背景为基础，重点针对智能视频监控系统中运动目标的检测和跟踪这两个关键技术进行研究，以期获得满足智能视频监控更为实用的算法，以及系统整体的闭环控制方法。论文针对运动目标检测与跟踪算法及其发展进行了全面的综述。首先，回顾了若干常用的运动目标检测算法，包括光流法、时域差分法、背景差分法，并阐述了基于高斯背景建模的前景检测方法；然后，对常用的跟踪算法作出了分类，并深入讨论了Mean Shift 理论及相关的目标跟踪算法。针对这些算法，探讨了各方法的原理，并分析、比较它们各自的优缺点和适用范围。
在此基础上，论文完成了三个方面的工作：结合帧差法和CAMShift 算法，设计了一种自动的运动目标检测与跟踪算法。首先用时间连续的三帧双差分对运动目标识别和提取，自动的选取跟踪框；再通过CAMShift 算法计算目标的精确位置并调整跟踪窗口大小。将上述改进的目标检测与跟踪算法完成了在DSP上的实现，并设计了一个由DM642-PCI 开发板和伺服机云台组成的闭环控制系统。该系统首先自动检测运动目标，再在每一帧中通过CAMShift 算法计算目标的精确位置；最后将目标质心与视野中心的偏差信息转化成控制协议，通过串口发送，驱动云台转动来改变摄像机视野，使目标始终可见。利用CCS2.2 开发环境，在以TMS320DM642为核心的硬件平台上实现了系统的软件算法。设计了一种高速球形摄像机PTZ 跟踪的控制策略。球形摄像机机能在水平、垂直、光轴三个方向运动，360°范围全方位高速旋转。在球机机械参数未知的情况下，通过控制球机做间歇性转动，调整球机P/T 方向姿态角度使被跟踪对象始终可见；当视野中心对准目标后，控制球机开始进行变倍动作对图像缩放，可以观察或抓拍目标局部细节。同时，针对球机变倍
控制中跟踪窗口大小自适应调整的问题，利用SIFT 特征匹配算法设计了一种计算球机变倍率的方法，并给出 了一种在RGB 颜色模型中基于Mean
Shift的跟踪算法。基于PELCO协议，利用VS2005和OpenCV软件平台，实现了PTZ 跟踪的整体流程。
论文的主要研究集中在算法和系统控制流程设计上，而对它们结合硬件的实现为实验性的工作，搭建了系统平台。为了发挥DSP的强大性能，还需对嵌入式软件进一步优化，而这是个非常需要时间和工程项目经验的工作。对于球机PTZ 跟踪策略，通过实验证明能有效、实时的跟踪目标，并能够控制球机放大拍摄目标的局部细节，在犯罪取证的应用场合有一定参考价值。由于目前对于PTZ跟踪实现方面的参考资料较少，本文策略为预演性的研究，离真正的商业化用途仍有一定差距。
3.期刊论文夏永泉.李卫丽.甘勇.张素智.XIA Yong-quan.LI Wei-li.GAN Yong.ZHANG Su-zhi智能视频监控中的
运动目标检测技术研究-通信技术2009,42(6)
运动目标检测是视频序列分析中非常一个重要的研究方向,同时也在智能视频监控中发挥着非常重要的作用.目前国内外对运动目标检测的研究非常广泛,方法各异,文中对当前常用的视频序列中运动目标检测的方法进行了研究和分析,并对这些种方法的优越性和不足之处进行了比较.
4.学位论文陈勇智能视频监控中运动目标检测技术研究2007
计算机智能视频监控是计算机视觉领域一个新兴的应用方向和备受关注的前言课题，是计算机科学、机器视觉、图像工程、模式识别、人工智能等多学科高科技的结晶。运动物体视觉分析作为智能监控中的一项核心技术，它包括运动物体检测与提取、物体分类、事件检测、行为识别和分析等，而运动物体检测与提取又是其中的基础和关键。在运动物体检测与提取中，阴影的存在会导致物体的错误分类或者使不同物体相互融合，为后续的高级处理带来错误的结果，导致不能够很好的跟踪物体以及对物体的行为进行理解和描述。
本文在总结和分析了国内外相关研究的基础上，分别在前景区域检测与提取、运动物体的阴影检测与去除及目标跟踪技术三个方面作了一定的研究：
1)在前景区域检测与提取中，讨论各种常用的背景提取方法原理时，着重分析了混合高斯背景建模方法，指出减背景技术中存在分割阈值难以合理选取的不足。选用混合高斯前景建模的方法来实现运动目标检测，从而避开分割阈值难以选取这一难题。为了防止漏检，本文改进了混合前景建模方法，增加了判断为前景点的条件并与原有条件采用“或”策略，所以也产生了部分假前景，但经过精心的后处理，获得的前景图不仅好于处理前，而且也明显优于混合高斯背景建模再采用减背景技术获得的前景图。
2)在阴影检测与去除方面，首先介绍了本文阴影检测中用到的相关理论基础，包括形态学处理、光流计算和运动目标阴影的特性，然后分析了HSV颜色空间去阴影方法不能有效消除微弱阴影和虚影的原因。针对HSV法的不足，本文提出了一种在HSV法的基础上应用光流法来提高阴影检测精度的方法
，实验结果证明了该方法的有效性和实时性。
3)在运动目标跟踪方面，讨论了Camshift跟踪算法的原理，分析了初始窗口的大小对于概率分布图的影响。在利用相关文献提出的加权直方图改善概率分布图的同时，为了彻底消除非运动区域亦具有概率分布值的影响，本文提出了一种利用二值化前景图进一步修正概率分布图的改进Camshift算法。
5.学位论文张海青智能视频监控中的运动目标检测与跟踪2007
计算机智能视频监控是计算机视觉领域一个新兴的应用方向和备受关注的前沿课题，是计算机视觉、图像处理、模式识别、人工智能等多学科高技术的结合。智能视频监控在不需要人为干预的情况下，利用计算机视觉和视频分析的方法对图像序列进行自动分析，实现对动态场景中目标的检测、识别和跟踪，并在此基础上分析和判断目标的行为，得出对图像内容含义的理解以及对客观场景的解释，从而指导和规划行动。
目前，计算机智能视频监控在理论研究和实践应用上还都面临着许多难题，国内外大批学者投身于该领域的研究和探索，并且取得了大量的成果。本文在这些成果的基础上，对计算机智能视频监控系统的两个关键基础技术--目标运动检测和跟踪进行了研究，主要贡献可概括如下：
首先对运动检测技术进行了研究，并提出一种新的实时运动检测方法，即均匀混合模型运动检测法；接着研究了目标的跟踪问题，并在基于粒子滤波目标跟踪方法的启发下，提出了一种新的基于蒙特卡罗的目标跟踪方法；最后通过对人眼跟踪机制的研究，提出了一种新的基于多线索的目标跟踪方法。
实验表明这些方法克服了以往方法的不足，提高了算法的实时性和可靠性，能够很好的完成运动检测和目标跟踪任务，更加满足智能视频监控系统的要求。
6.学位论文张超视频监控中的图像匹配和运动目标检测2008
本文所设计的智能视频监控系统应用在列车车头和车厢之间，主要起到两个方面的作用：第一个作用是对连接两者的列车车钩的连挂状态（连挂上和未连挂上）进行基于图像模板匹配的状态识别，从而提高列车司机连挂车钩时的工作效率；第二个作用是在列车启动前检测车头和车厢之间有无正在活动的人体，以保障人员安全。
在对列车车钩连挂状态的图像匹配识别上，本文提出了一种的粗-精两步匹配的方法，把归一化积相关匹配法用于粗匹配阶段，图像不变矩匹配法用于精匹配阶段，并在匹配过程中采用匹配模板自适应更新的方法。本文首先分析了车钩的结构特点，并对其完成连挂和未完成连挂的各种状态进行分类，然后进行粗-精两步匹配。粗匹配阶段的归一化积相关匹配法对完成连挂的车钩图像可以很好的匹配识别，对存在平移、旋转或尺度变换等几何形变的车钩图像，有较大匹配误差，这时须采用图像不变矩匹配方法做精匹配，才可以保证匹配精度。实验表明这种粗-精两步匹配法有较好的稳定性，匹配准确率较高。
在对列车车头和车厢之间的运动目标的检测上，本文提出一种联合了帧间差分法和背景差分法的检测方法。首先采用自适应阈值二值化、形态学操作等方法去除视频图像中由于摄像机振动带来的噪声，然后结合帧间差分法和背景差分法的各自优点：
利用帧间差分法较好的稳定性，结合背景差分法能够比较精确地反映运动目标的位置、大小、形状等目标信息的特点，对每一帧图像做联合差分法处理，准确而完整的检测、提取了运动目标区域，并在视频中加矩形框标记出运动目标。仿真实验结果验证了这种方法的实用性以及优越性。
7.期刊论文何楠楠.杜军平.HE Nan-nan.DU Jun-ping智能视频监控中高效运动目标检测方法研究-北京工商大学
学报（自然科学版）2009,27(4)
针对智能视频监控中的运动目标检测技术,提出了通过帧间差分法重建背景图像,辅以背景差分法分离当前帧图像中的背景点和运动目标点,然后通过滤除非连续运动目标点来减少误识率的方法. 采用自适应背景更新方法,使背景每隔一定的时间间隔更新一次,以达到理想的分割效果.
8.学位论文刘绮基于视频的运动目标检测与跟踪系统研究2009
计算机智能视频监控是计算机视觉领域备受关注的前沿课题，是计算机科学、机器视觉、图像工程、模式识别、人工智能等多学科高技术的结晶。计算机智能视频监控是在不需要人为干预情况下，利用计算机视觉和视频分析的方法对摄像机拍录的图像序列进行自动分析，实现对场景中目标的定位、识别和跟踪，并在此基础上分析和判断目标的行为。
简单的视频监控系统已经广泛应用于社会生活的各个方面，但其在理论和应用上都面临着很多难题。国内外大批学者投身于该领域进行探索和研究，并且取得了大量的成果。本文是在这些成果的基础上，对计算机智能视频监控系统的关键技术进行研究。主要内容包括运动目标检测和提取，运动目标跟踪等。
本文系统地介绍了图像处理技术中相关的基本理论知识和视频图像中运动分析的理论基础和分析方法。在初步完成运动目标检测与跟踪系统的总体设计和系统软硬件选择的基础上，针对固定单摄像机采集的图像序列进行分析处理，利用VC++6.0的MFC进行了视频检测和跟踪系统的开发，从而实现运动目标的检测与跟踪。在实验中，从背景处理、运动目标检测、目标跟踪、摄像头调整四个方面进行了系统测试。本课题研究实现的系统具有一定的自适应性，适于硬件实现，跟踪效果良好，具有一定的稳健性和鲁棒性。
9.学位论文鱼亚锋运动目标检测和智能视频监控系统设计2008
随着计算机视觉处理技术、电子技术、通信技术的飞速发展，智能视频监控系统作为安全防卫的一种重要手段正越来越受到人们的重视。论文通过重点研究智能监控系统中的目标检测算法，在总结和分析的基础上提出一种可靠有效的背景建模及更新机制，最后应用该算法设计并实现一个完整的智能视频监控系统框架。
运动目标检测作为智能视频监控系统中视频处理的第一步，也是技术的热点和难点。运动目标检测是对摄像机得到的图像序列进行视觉上的分析处理，其主要的目的是实时地观测被监视场景的运动目标，并分析描述它们的行为。运动检测可以分为静止背景下的运动检测和运动背景下的运动检测。本文主要研究静止背景下的运动目标检测技术，提出一种新的背景建模及更新机制。
论文的工作主要由三部分组成：算法研究、新目标检测算法的提出及测试和智能监控系统的设计及实现。
算法研究首先针对目标检测算法的实现机制：光流法、背景差除法、帧问差分法、熵检测法进行研究分析，比较其优缺点、适用环境、存在问题以及相应的对应策略。其次，侧重研究背景差除法的背景建模及更新方式，从速度、存储需求及准确性三方面来比较运动高斯平均、时间均值滤波、混合高斯、核密度估值、连续核密度近似、图像同现变更法、特征提取七种算法的不同特点。最后针对背景差除法在处理光照变化，背景多目标，画面抖动等存在的问题，提出了适用于摄像机固定、基于背景差除技术的运动目标检测方法，能够提取出背景模型，并能有效地处理外界光照条件变化、场景变化、背景扰动等因素带来的影响。算法测试表明，该算法快速、准确、有着广泛的适应性。
运用论文提出的新的背景及更新算法，设计并实现了智能视频监控系统框架，可以实现准确的运动目标检测，同时可以对人脸进行定位及数目统计。目标检测作为视觉分析的最底层，是实现其它高级处理的基础，人脸定位、数目统计正是其应用的一个重要体现。
10.会议论文孙剑芬.陈莹.纪志成基于均值采样核密度估计的运动目标检测2008
运动目标检测的研究是视频监控领域基于目标识别与跟踪的首要环节.为了更好地进行目标检测,提出了一种均值采样的核密度估计动态场景建模算法.利用间隔序列图像的平均背景,从包含运动目标的图像序列中提取具有主要背景信息的新样本集建立高斯核密度估计模型,并利用背景差分法检测运动目标.新样本减小了密度估计的样本量,降低目标检测的虚警率和误检率.同时引入定时全样本更新和实时选择性更新相结合的更新机制,实现了背景模型的自适应更新.然后根据阴影区域亮度和色度的特点,在HSV颜色空间去除运动阴影.仿真实验表明,与全样本算法相比,本文算法具有速度快,精度高的优点,可以有效地对运动目标进行检测.
本文链接：https://www.doczj.com/doc/f214602478.html,/Periodical_jdgc200903004.aspx
授权使用：西南科技大学(xnkjdx)，授权号：3e3a2a78-f298-4c12-82ef-9de400ee62c5
下载时间：2010年9月1日