论文部分内容阅读
计算机技术、信息技术、互联网技术以及计算机视觉技术的快速发展为视频监控技术提供了良好的技术支持平台,从最初的模拟视频监控到今天的数字网络视频监控,可以看出视频监控技术正日趋成熟。对于今天的网络视频监控来说,它可以让人们不受时间空间的限制在任何IP主机上来监视监控场景的变化。但是,网络视频监控系统在其研发过程中仍有较大困难亟待克服,因为网络的带宽是有限制的,而摄像机所捕获的视频流数据则是庞大的,若是把这么庞大的数据传输到网络上就好比一个庞大的货车在一个极窄的道路上行驶一样,不但影响视频数据正确的传输,更影响其传输的速度,这对于网络视频监控的实时性来说更是不可能达到的。所以,为了达到较快较少地传输视频码流且不影响接收端的画面质量,人们对视频序列做了大量的分析研究,利用各种技术尽可能的压缩视频数据,其中,最主要的压缩技术就是利用帧内数据的相关性及帧间数据的相关性压缩视频数据,即帧内预测与帧间预测。由于网络视频监控系统可以应用在不同的网络上,而这些网络也可以使用不同的网络协议,所以,为了在不同的网络上尽最大可能的压缩视频数据,本文根据H.264/AVC可移植的特性及其较高的压缩比等优点,展开对视频数据压缩编码技术的研究。为了以较少的码流传输视频数据而又不影响人眼对监控视频的感观,首先对当前存在的运动目标检测技术进行了分析研究,列出了在静态场景下运动目标检测的三种方法,即光流法、相邻帧差法和背景差分法,并对这三种方法进行了比较,最后选取背景差分法来检测视频流中的运动目标,针对背景差分法只能检测静态场景的不足,本文中阐明了一种在动态场景下对运动目标进行高效准确检测的技术——快速自适应背景更新法。为了进一步研究运动目标检测技术基本原理,本文结合H.264/AVC视频编码的框架,分析了运动估计与运动补偿技术。在此基础上,对基于块匹配法的运动估计作了详细的研究,针对块匹配法中绝对误差和(SAD, Sum of Absolute Difference)匹配准则对监控场景光线变化存在误判的情况,列出了一种新的绝对误差和匹配准则(N_SAD, New Sum of Absolute Difference)。最后,本文在vc++6.0环境下,利用Intel提供的开源计算机视觉库(OpenCV, Open Source Computer Vision Library)实现对视频监控场景运动目标的检测。