随着我国城市化进程的加快,水环境污染、水生态损害和水资源短缺等问题日益突出,已成为制约社会可持续发展的“瓶颈”。由于生活垃圾丢弃、工厂违规排放、地表径流冲刷等多种原因产生的外源性异物侵入对河道水体生态系统自净能力造成严重破坏,引起水体的富营养化,导致水生态系统的失衡、破坏,造成河道水质恶化黑臭,严重影响周边生活环境。为推进河湖系统保护和水生态环境整体改善,我国全面推行了“河长制”工作,但目前仍主要依靠河长赴现场巡查、通过肉眼观察发现问题,工作量大、效率低,迫切需要借助机器视觉和智能分析技术实现对河道表观异物的自动化检测。然而,由于河道水体环境的特殊性,如河道结构不一、水面外观复杂、自然条件多变等,使用现有机器视觉方法实现河道表观异物的检测尚有较多难点亟待解决。有鉴于此,本文开展了基于机器视觉的河道表观异物检测方法研究,主要研究工作与创新点如下:(1)针对不同户外场景下河道外观不同、背景噪声干扰复杂的特点,基于水体像素的成像机理研究,提出了通用性的水体分割算法。该算法根据像素强度随摄像距离变化的规律和在光影变化中色调值稳定的特点,设计了基于块间局部二值化模式(Multi-Block Local Binary Pattern,MB-LBP)和色调值方差的水体描述特征,利用此特征识别图像中的水体区域。该算法无需提前训练即可分割结构、外观不同的河道场景,与传统的方法相比具有更高的分割精度和平均交并比。该算法所分割的水体区域作为后续检测算法的感兴趣区域(Region of Interests,RoI),是本文重要的预处理环节。(2)针对复杂水面背景下传统目标检测算法误检率高的问题,利用视频中的连续图像序列构建HSI颜色空间中的高斯背景模型,从而增强对光影变化的鲁棒性;提出了基于多帧背景差分的河道表观异物检测算法,利用连续多帧与背景模型差分的结果进行与运算,再将检测结果与背景模型进行特征相似性度量,降低了河面随机噪声造成的误检率;设计了并行算法框架,将背景更新与异物检测并行执行,优化了算法结构。通过对比实验证明了所设计的算法可在复杂的河面背景下准确地检出表观异物。(3)针对传统跟踪算法对河道表观异物跟踪效果差、目标框尺寸无法更新的问题,提出了基于改进核相关滤波(Kernel Correlation Filter,KCF)算法的河道表观异物跟踪方法。该方法在KCF算法的基础上,利用HSI和RGB双颜色空间提取方向梯度直方图(Histogram of Oriented Gradient,HOG)特征,分别输入跟踪器中并对决策结果设计了融合方法,增强了 KCF算法在复杂和面背景下的跟踪能力;设计了基于多尺度响应分析的方法,使目标框的尺寸在跟踪过程中自适应更新。通过对比实验证明改进的KCF算法在光影变化、强光反射和雨天等条件下对河道异物的跟踪更加准确。(4)设计并研发了城市河道表观异物在线监测系统。本文基于云计算和物联网技术,采用Spring MVC框架,设计并搭建了城市河道表观异物在线监测系统,实现了对河道现场数据的在线处理和结果的可视化展示等关键功能。综上所述,本文针对机器视觉技术在城市河道场景中应用的难点,研发了对复杂背景具有强鲁棒性的表观异物检测算法和跟踪算法,并基于论文研究成果,研发了城市河道表观异物在线监测系统。经实验验证,本文提出的方法有效提高了对城市河道场景中表观异物的检测能力,对河道水环境的自动化监管具有重要意义,也为复杂背景下的目标检测与跟踪研究问题提供了新的解决思路。