視頻監(jiān)控中運動目標檢測與跟蹤技術的研究.pdf

1、視頻監(jiān)控在現代社會中使用越來越多，針對傳統(tǒng)視頻監(jiān)控需人日夜值守，工作異常繁重，且枯燥乏味的問題，專家們提出了新一代智能視頻監(jiān)控，可以讓計算機完成以上這些工作，而運動目標檢測與跟蹤技術是其核心技術，因此，研究運動目標的檢測與跟蹤技術對研究智能視頻監(jiān)控系統(tǒng)具有重要意義。
　　本文的主要研究工作如下：
　　首先，簡單介紹了常用的圖像處理基礎知識，針對視頻圖像中存在的噪聲會影響運動目標檢測結果這一問題，本文提出一種改進的多級中值濾波

2、技術，結合了中值濾波技術濾噪能力強和多級中值濾波技術能有效保護圖像細節(jié)的優(yōu)點，通過實驗證明其有效性，并且能夠應用于視頻圖像的噪聲處理中去。
　　在運動目標檢測部分，首先對三種常用的目標檢測算法：光流計算法、幀間差分法、背景差分法進行了介紹和比較，然后對兩種常用的背景建模方法：單高斯模型法和混合高斯模型法進行了介紹和比較，接著又對目標檢測結果圖像進行二值化分割時的自適應閾值及目標陰影的檢測與消除做了研究。在此基礎上將混合高斯模型法與

3、背景差分法結合在一起，用于監(jiān)控視頻中運動目標的檢測，實驗表明，該算法能夠比較完整和快速的提取目標運動區(qū)域。
　　在運動目標跟蹤部分，首先對幾種常用的目標跟蹤算法做了介紹，并總結了各自的優(yōu)缺點；接著，著重講述了一種SIFT特征匹配算法，詳細介紹了其特征點描述子的生成及匹配過程，雖然SIFT特征具有很高的穩(wěn)定性和獨特性，但其計算過程復雜且費時，基本不能用于實時視頻監(jiān)控系統(tǒng)。本文針對此問題，提出一種改進的低維度SIFT運動目標跟蹤算法，

4、在特征匹配過程中僅提取當前視頻圖像運動目標所在區(qū)域的SIFT特征進行匹配，而非整幅視頻圖像的SIFT特征，并且將其特征點描述子向量從128維降為32維，在匹配精度變化不大的情況下，將時間開銷降為原來的一半，當視頻幀率為10-15幀/秒時，基本能滿足實時性要求，并且通過實驗證明該算法的有效性，能夠得到運動目標比較清晰的運動軌跡。
　　最后，本文在Visual C++6.0開發(fā)平臺上，結合OpenCV計算機視覺庫來設計與實現了一個簡單