复杂环境下的鲁棒运动目标检测技术研究-蒋宇豪
- 格式：doc
- 大小：45.00 KB
- 文档页数：9
大学生创新创业训练计划
项目申报书
项目名称：
教务处制
二〇一二年三月
填写说明
1、凡申报大学生创新创业训练计划项目必须填写本申报书。
2、向学校报送本申报书时，一式5份，并报送申报书电子文档。
3、本书应该填写完整、内容详实、表达准确，数字一律填写阿拉伯数字。
4、项目开展支撑平台指支撑本项目开展的校、院级教学实验中心、科研实验室等，表中填写有关实验室名称，可以多个。
5、打印格式与装订
（1）纸张为A4大小，双面打印；
（2）文中小标题为四号、仿宋、加黑；
（3）栏内正文为小四号、仿宋；
（4）左侧距边界1厘米钉2处。
项目名称 复杂环境下的鲁棒运动目标的检测技术研究
申请经费 10000元 起止时间 2012 年 9月至
2013年12 月
项目所属
二级学科
计算机应用技术（081203）
项目开展
支撑平台
山东科技大学科技园
项目负责人基本信息
研究内容概述(限200字以内)
运动目标检测技术是智能视频监控的关键步骤，但由于监控视频场景复杂，并容易受到光照、遮挡、微小扰动等多种因素的影响，这给背景建模以及在此基础上的目标检测技术带来了挑战。
运动目标的检测是电脑视觉运用中的关键环节，是指对运动画面中感兴趣的物体进行获取，即获取视频序列中改变的区域，通常称之为前景物体。目前检测运动目标的方法有很多，绝大多数是对空间域信息的处理，大致可以分为背景减法、时间差值法、边缘特征分割法以及光流法四种。
项目创新特色概述（50字以内）
主要研究基于高斯混合模型（GMM）的鲁棒背景建模及运动目标检测技术,包括局部特征表示，GMM与动态自适应统计方法的融合，背景在线更新，后期区域分析等，建立复杂环境下的鲁棒运动目标检测技术体系。
项目组成员分工
姓名 主要研究工作及申请学分数
蒋宇豪 模型的建立与算法的设计，5分
刘春江 模型模块的规划以及算法总体的测试分析，5分
一、项目简介（研究内容、目的意义、具体目标、国内外研究现状分析及评价等）
近年来，随着智能监控系统的广泛使用，盗窃案件的破获率有了很大程度的提高。但一般的监控系统往往只具有记录影像的功能，不具有智能报警判断等一系列功能，监控保安也不可能时刻盯着监控画面，一旦犯罪行为发生过后再调取监控影像就为时已晚了。要实现这种判断离不开对摄像头所获取的即时画面进行分析判断，由于周围环境光线亮暗的变化、天气改变等非人为因素以及摄像头品质因素等影响，降低了对运动物体侦测的准确率。通常采用的背景相减法来获取前景物的精度已经不能满足实际需要，因此有必要寻求一种精度更高、受环境因素影响最小的运动目标的判断方法。
运动目标检测技术是计算机视觉领域最活跃的研究课题之一。在智能视频监控、人机交互系统、智能交通系统以及军事领域都有广泛市场前景和应用价值。该技术属于计算机视觉中的低级处理部分,也是最基础的环节,其处理结果的好坏对完成视觉系统的后续工作起着至关重要的作用。然而动态背景、光照变化、阴影及遮挡等客观因素对运动检测算法会产生非常大的影响,所以在较为复杂的环境下如何快速准确的得到完整的运动目标是近年来研究的热点问题。运动目标的检测是指对运动画面中感兴趣的物体进行获取，即获取视频序列中改变的区域，通常称之为前景物体。目前检测运动目标的方法有很多，绝大多数是对空间域信息的处理，大致可以分为背景减法、时间差值法、边缘特征分割法以及光流法四种。
传统的背景相减法容易受环境光线等外界因素影响。利用高斯混合模型提取前景，来实现对运动目标的检测判断。建模的基本思想是从当前帧中提取前景，其目的是使背景更接近当前视频帧的背景。即利用当前帧和视频序列中的当前背景帧进行加权平均来更新背景,但是由于光照突变以及其他外界环境的影响，一般的建模后的背景并非十分干净清晰，而高斯混合模型是建模最为成功的方法之一。每个像素点要独立的建立背景模型，并且假定每个像素点的历史序列值都服从一个高斯概率密度分布。不同的像素点有不同的单高斯模型。如果这个高斯模型服从高斯概率密度分布，这个像素点被分类为背景像素点，反之，则为前景像素点。假如，每个像素点都满足三个单高斯概率密度分布，这就是高斯混合模型。
目前，视频监控相机大都是固定摄像头，而且监控场景在不断的变化，极为复杂，这就导致检测结果中产生大量的噪音。在当前运动目标检测研究方向，存在四个问题：对象状态转换问题;光线变化问题；复杂场景中的噪音问题:阴影问题。
二、研究技术路线及可行性
（一） 研究技术路线
1、实现背景建模
背景建模技术分为两个步骤：背景模型的建立与背景模型的更新。与上面最理想的选择相对应，背景模型建立的目的就是为了得到没有运动对象的背景图像，而背景模型更新的目的就是为了使得背景图像能够不断地适应实际监控场景的变化。该项目着重于背景去除法的运用。背景去除法的思想就是区分前景像素点和背景像素点，从而建立背景模型。
2、通过局部特征，完成显著性特征提取
SIFT是目前在图像处理领域用的最普遍的一种描述子，它对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性。通过局部特征的提取这一方式，建立不同的背景模型。
3、研究以上两种模型的最优的协调优化算法并设计自适应模型优化策略
背景减除法和显著性特征提取都有自己的优缺点。一个运动的物体突然静止，这在日常生活中是很常见的。由于背景减除对背景像素点的鲁棒处理，不能很好的解决对象状态转换问题。通过局部特征的提取，进一步的减弱对象转换对背景像素点的噪音。检验算法的性能，分析算法的可能性。
（二）可行性分析
目前，智能监控越来越普遍。以往摄像头充当记录的作用已不能满足现代人的要求。智能警报系统和智能交通监控是目前计算机视觉方向的热点。复杂环境下鲁棒运动目标的检测能刺激智能监控的发展，运动目标的检测是视频监控系统的基础。在该方向开展研究，在应用背景上具有重要的意义。
贯穿本项目的基本思想是：运动目标检测的各种算法都有优缺点。对以往的算法进行进一步的优化，并通过两种或多种算法之间的结合，使其优点更加明显，缺点互相弥补。该项目基于高斯混合模型和运动目标检测，因此该项目研究所采用的技术路线是可行的。
三、对项目的参与兴趣和已有的知识积累或实践基础
本项目将以北京大学的TrecVid视频监控课题为依托（项目负责人曾在北京大学数字媒体研究所实习，并参与相关课题研究）。
项目参与者曾系统的学习过算法的设计，且有较好的数学基础。
四、研究计划和进度（可就文献查询、社会调查、方案设计、实验研究、数据处理、研制开发、撰写论文或研究报告、结题和答辩、成果推广、论文发表、专利申请等工作逐项进行安排）
（1）第一阶段项目的系统总体方案设计及模块规划，把运动目标检测分为相应的模块来研究。每一部分需要实现其功能，以及之间的连接问题。
（2）算法的设计与研究。基于高斯混合模型初步实现复杂环境下鲁棒运动目标检测算法。
（3）算法各个模块的拼接，使其更加的系统化。并进行算法总体测试分析。
五、项目研究支撑条件
对于视频监控来说，一个鲁棒的运动对象检测算法应该在不依靠摄像机的放臵，不考虑视频中画面内容如何变化的情况下，能够适应对象的状态转换，光照的变化，能够处理阴影问题以及消除噪声等。现存的基于背景去除的运动对象检测算法都因为受到一定的限制，并不能完全解决上面涉及到的问题。所以，利用背景去除的方法检测运动对象会继续成为计算机视觉领域中的一个研究热点。
项目负责人目前在山东科技大学并行实验室实习，有较好的基础和实践的空间。该项目的参与者学习过丰富的数学知识，有良好的逻辑思维。
六、预期提供的成果及形式
做出一份基于高斯混合模型的研究复杂环境下鲁棒运动目标检测技术的算法。
提交学术报告。
七、项目经费概算(包括调研、耗材、资料、发表论文、印刷等费用)
调研费：1000元
资料费：5000元
耗材费：3000元
其他：1000元
八、评审情况
指导教师意见：
该研究项目结合目前市场需要，提出复杂环境下鲁棒运动目标的检测能刺激智能监控的发展，运动目标的检测是视频监控系统的基础。在该方向开展研究，在应用背景上具有重要的意义。
指导教师（签名）： 年 月 日
学院推荐意见：
同意推荐
主管院长签名： 年 月 日
学校专家评审意见：
组长签名： 年 月 日
学校认定意见及批准经费：
学校负责人签名： 年 月 日
