论文部分内容阅读
近年来,随着信息化进程的推进和人民生活水平的提高,人们对智能监控系统的需求越来越迫切。智能监控系统的目的是让系统自动的进行物体检测、识别、跟踪和行为理解,它在增强社会安全方面有很大的潜在价值。运动目标检测是智能视频监控系统中视频处理的第一步,具有非常重要的地位,同时也是一个技术上的热点和难点。对于固定摄像头监控系统,常用的运动目标检测算法有帧间差法、光流法、背景减除法等。本文在研究经典算法的基础上,提出了基于脉冲耦合神经网络(PCNN)的运动目标检测方法,并对其基础算法进行了改进,主要开展了如下研究工作:1.考虑到大部分监控原始图像噪点较多,不宜直接提取目标,本文提出了一种改进的中值滤波去噪方法,该方法能在有效消除脉冲噪声的同时保留图像的纹理信息。2.总结帧间差法、光流法、高斯混合背景建模法的算法原理,并通过实验对比,分析了经典算法中存在的问题及其适用的环境。3.详细论述了PCNN的数学模型与工作原理,针对高斯混合背景建模法背景建模速度慢、不能兼顾像素点空间相关性等缺陷,本文提出了基于PCNN的运动目标检测算法,设计了基于简化PCNN模型的运动目标检测算法流程。通过实验结果可知,该算法较传统算法有背景建模快、抗干扰性强等优良特性。4.针对PCNN参数复杂难以选择的问题,本文提出利用最优家族遗传算法(OFGA)优化PCNN参数的算法,并结合PCNN参数特点改进了遗传算子,进一步提高了参数优化下频率。通过与GA参数优化算法的实验对比,证明OFGA算法有收敛速度快、不易早熟的特点。5.在上述改进OFGA的框架下,本文设计了基于OFGA参数优化的PCNN运动目标检测算法流程。为了验证算法的有效性,本文在PC机上借助VS2008、CUDA、OpenCV2.2实现了本文算法及相关对比算法。实验结果表明:改进后PCNN算法能够更好地处理背景中的多模态区域,提高运动目标分割精度,在有效滤除干扰前景的同时,完整的保留了运动物体的形状、边缘信息。