论文部分内容阅读
随着计算机硬件设备和软件技术的不断成熟,视频监控系统在维护社会安全、打击犯罪方面的作用日益突出。面对海量的实时录像视频内容,单纯依靠人工观察和分辨等传统方式已经不能满足实际应用的需求,需要一种能够对视频图像中出现的人或者车辆等关键目标进行自动分析的智能视频监控系统。在不借助人力的情况下,智能视频监控系统对摄像机采集的视频信息进行自动提取和分析处理,并对视频监控系统进行控制,从而使视频监控系统向智能化发展。其中,实现视觉信息自动提取的关键步骤是运动目标的检测与分割,它是研究更高层次视频图像分析如目标跟踪、目标识别和行为理解等问题的重要基础。 本论文以固定机位摄像机输出的视频图像序列为研究对象,展开对视频运动目标的检测与分割技术的研究工作,取得的主要研究成果如下: (1)针对核密度估计背景建模算法计算量大,背景分割速度慢的问题,提出了一种基于切比雪夫不等式的自适应阈值运动目标检测算法。算法利用切比雪夫不等式计算自适应阈值,对特征显著的背景与前景像素点进行快速检测,对特征不显著的像素点采用非参数核密度估计法,分别估计各像素点属于前景与背景的概率密度,实现背景与前景的分割。实验结果与分析证明,该算法不仅加快了视频背景与前景分割的速度,同时还得到理想的背景图像与前景运动目标检测结果。 (2)针对基于区域特征进行多运动目标分割时的初始位置设定问题,提出一种基于稀疏矩阵块运算的视频多运动目标分割算法。算法首先对检测出的前景图像进行四叉树分解,再利用得到的稀疏矩阵进行稀释矩阵块运算,计算出初始位置生长点并展开区域生长,进行多运动目标分割。实验结果与分析证明,该算法弥补了传统区域生长法中位置生长点的人为设定问题,提高分割的准确率,在运动目标检测基础上,实现对前景图像中的多个运动目标的进一步分割。 (3)针对区域分割出的运动目标边缘模糊问题,提出了一种引入区域种子的主动轮廓模型边缘检测算法。算法首先利用背景减除法获得包含多个运动目标的前景图像,再将区域种子及区域半径引入主动轮廓模型,从这些种子点出发,进行目标轮廓提取,最终完成多运动目标边缘检测。实验结果与分析证明算法的检测结果与人眼视觉的判断相近,区域种子的引入使得距离势能主动轮廓算法收敛时间减少,提高算法的实时性。 (4)针对多运动目标分割时对初始位置的设定有较强依赖性问题,提出了一种基于像素点连通率的多运动目标聚类分割算法。利用像素点的空间连通信息和最小距离中垂线法,对初始聚类进行自适应“分裂”与“合并”,自组织迭代聚类,完成视频图像多运动目标分割。实验结果与分析证明,在保证多运动目标分割准确率的同时,算法对多运动目标的分割更智能化。 (5)针对应用鱼眼镜头拍摄的视频图像产生严重畸变的问题,提出了一种基于圆分割的校正算法。该算法充分利用了鱼眼图像圆形结构这一特点,将其分割成同心圆,再利用函数法对畸变图像进行校正。微调系数的引入,使得算法更灵活,根据鱼眼镜头与实际物体的距离来调整微调系数的大小,得到更理想的校正图像。实验结果表明应用该算法能得到比较满意的校正结果,并且该算法所花费的计算时间少,使其能适用于实时监控系统。 (6)在深入研究视频运动目标检测与分割的基础上,针对运动目标的识别问题进行了初步研究,提出了基于小波分析的特征点匹配算法和基于小波分析和人工神经网络的运动目标识别算法。算法利用小波系数统计值来描述运动目标图像的特征,并设定BP神经网络的识别输出值为相似性概率值,解决运动目标识别的误判和漏判问题。实验结果与分析证明了基于小波分析和人工神经网络的运动目标识别算法具有良好的实用性和较高的识别精度。 上述研究围绕着提高运动目标检测与分割准确性和实时性而展开,所取得的研究成果为固定摄像机监控视频中的运动目标检测与分割技术做出了有益探索。