论文部分内容阅读
随着计算机视觉、人工智能、模式识别等技术发展,基于智能视频分析的周界入侵检测,已经成为人们研究的重点。相对于传统传感器入侵检测技术,基于智能视频分析的入侵检测技术具有很大的优势。如可以提供更大的检测范围、更高的检测率(POD)和更低的误报率(FAR),可以实现隐蔽探测,远程探测等优势。因此可以用它来联合或替代各种类型的直线(或点式)传感器进行入侵检测和报警。本文针对已有的智能算法,分析了其算法各个环节的优点及不足,构建了一套基于视频运动分析的入侵检测算法。大大提高了检测的有效性。1在运动目标检测中,针对混合高斯(MOG)模型不能处理光照突变的问题,提出了基于连通分量个数及面积信息比的灵敏度检测方法来识别光照突变,同时建立了隔帧处理与IRR滑动平均模型相结合的平滑高斯建模,使入侵算法能满足实时需求的同时能迅速适应光照突变的情形,减少误报。2在阴影检测及去噪过程中,从实时及高效的角度出发,实验中选用和实现了基于RGB归一化的阴影检测方法,并针对基于颜色特征去阴影方法存在的问题,提出了融合前景二值图像,进行集合运算,恢复真实运动前景的重构算法,有效的重构了前景目标。同时提出了中值滤波与投影滤波相结合的新的去噪方法,在去除噪音的同时,能保持目标前景的完好。3在目标锁定及跟踪过程中,实现了基于目标形状的分类方法及基于颜色特征的粒子滤波跟踪算法。并针对粒子滤波算法跟踪窗口不能自适应,提出了基于空域信息交互的跟踪窗口自适应改进算法,提高了跟踪的准确性和鲁棒性。4在以上工作基础上设计构建了一套在复杂场景下的入侵检测算法。包括对运动目标位置锁定,目标过滤分类及场景切换适应,目标入侵判断及报警跟踪。实现了进入,出去,拌线三种入侵方式的识别判断,并在多种复杂场景下进行了入侵检测实验,取得了很好的效果。目前算法已具有较强的实时性,适应性以及抗干扰性,能满足高检出,低误报的要求。