论文部分内容阅读
随着游泳运动的流行,游泳过程中的溺水事故频繁发生。而工作人员可能因周围环境嘈杂,水中情况混乱和自身精力有限等原因导致不能及时发现游泳者的异常情况而致使惨剧发生,为此需要一种可靠、快速、准确的水下智能视频监控系统来时刻监控游泳者的安全状态。 运动目标检测是智能视频监控系统的第一步骤,是整个系统的基础,所检测出运动目标的准确性直接影响如目标分割、目标跟踪、行为识别等后续处理。水下是一个复杂动态的场景,会受到多种因素的干扰,为了准确快速的检测出运动目标,该文做了如下的工作和研究: (1)该文对水下复杂的环境进行分析,指出了水下运动目标检测的难点问题,即如何去除水波、气泡、阴影和光斑的干扰,以及如何使系统具有较好实时性。 (2)分别阐述和分析了当前主要的运动目标检测算法,如单高斯模型、混合高斯模型、卡尔曼滤波和码本模型等,仿真实验显示,码本模型算法相较于其他算法,对水下运动目标的检测在实时性、准确性和抗干扰性上都有明显优势。为此该文在码本模型算法的基础上做进一步的研究。 (3)码本模型虽相对于其他的运动目标检测算法在水下场景下有优势,但仍然存在检测出的运动目标边缘模糊,水下的干扰对检测结果影响较大等问题,为此该文提出了一种基于边缘检测(ED)与改进码本模型(ACBM)的运动目标检测算法。 码本模型是通过在RGB颜色空间下评价的匹配条件(颜色扭曲度和亮度范围)为每个像素构建一个码本。采用当前图像与背景码本进行匹配来判断运动目标区域。ACBM对码本模型做了如下改进: 将评价匹配条件的颜色空间由RGB转换为YUV,降低了匹配条件的计算复杂度,提高了检测效率。 结合阴影只改变亮度,不改变色度的特点,进一步修改匹配条件,达到去除阴影的目的; 为了进一步提高执行效率,在码字创建和更新的过程中,对码字进行冒泡法排序;在当前图像与背景码本匹配的过程中,采用二分法进行查找匹配; 通过ACBM算法对水下视频进行运动目标检测,获得初始的运动目标。该算法能够有效的去除阴影,对水波、光斑和气泡都有一定的抑制。为了进一步去除水下干扰和解决边缘不准确的问题,又对当前输入图像和均值法得到的背景图像进行Canny边缘检测和差分,得到运动目标的边缘信息图像,再利用形态学闭运算和连通性检测,填充运动目标边缘,获得另一个初始的运动目标。将获得的两个初始运动目标进行“与操作”得到最终的运动目标图像。经过仿真实验分析,基于边缘检测与改进码本模型算法对水下的水波、气泡、阴影和光斑都有很好的抑制,检测到的运动目标准确、完整,同时实时性能满足水下智能视频监控系统的要求。 在该文提出的基于边缘检测与码本模型的运动目标检测算法的基础上,设计了水下智能视频监控系统,经过实际的测试表明该系统能够实时的监控游泳者的安全状态,具有较高的检测率和较低的误报率和漏检率。