论文部分内容阅读
计算机智能视频监控是计算机视觉领域一个新兴的应用方向和备受关注的前沿课题,是计算机科学、机器视觉、图像工程、模式识别、人工智能等多学科高技术的结晶。计算机智能视频监控是在不需要人为干预情况下,利用计算机视觉和视频分析的方法对摄像机拍录的图像序列进行自动分析,实现对动态场景中目标的定位、识别和跟踪,并在此基础上分析和判断目标的行为,得出对图像内容含义的理解以及对客观场景的解释,从而指导和规划行动。 视频监控系统已经应用于小区安全监控、火情监控、交通违章、流量控制、军事和银行、商场、机场、地铁等公共场所安全防范等,并且将有着更加广泛的应用前景。但现有的视频监控系统通常只是录制视频图像,用来当作事后证据,没有充分发挥实时主动的监控作用。如果将现有的视频监控系统改进成为智能视频监控系统,就能够大大地增强监控能力、降低不安全隐患,同时节省人力物力资源,节约投资。 目前,计算机智能视频监控在理论和应用上都面临着很多难题,国内外大批学者投身于该领域的研究和探索,并且取得了大量的成果。本文是在这些成果的基础上,对计算机智能视频监控系统的关键技术进行研究。主要贡献可概括如下: 首先,对目标检测技术进行了研究,并提出了一种基于背景建模的运动目标检测算法。利用统计的方法建立了基于颜色和颜色梯度的背景模型,并实时地对背景模型进行更新,最后将这两种背景模型综合考虑对目标进行了有效的检测。该算法较好地解决了背景模型的提取、更新、背景扰动、外界光照变化等问题。 接着,研究了复杂背景下多目标跟踪问题,提出了基于蒙特卡罗粒子滤波器的复杂背景下多目标跟踪算法。给出了序列图像多目标跟踪系统的状态方程、观测方程、重采样方法以及目标跟踪中的一些特殊情况的处理方法。该算法有效解决了目标跟踪算法中的新目标出现、老目标消失、目标遮挡和蒙特卡方法实时性差等问题。 然后,提出了目标分类算法。用有向无环图的多类支持向量机对目标进行分类,该分类器使用少量的样本,就可以得到较好的分类精度。通过最大互信息,辨识出场景无关特征量和场景相关特征量。场景无关特征量的使用,使得