论文部分内容阅读
随着智能视频监控技术的不断发展,智能视频监控的应用范围不仅仅局限于安保,而更多的为人类管理和做出决策提供了依据。本文设计的行人检测系统主要分为三大部分:前景检测、目标跟踪和行人计数。在前景检测部分,本文采用了基于单高斯背景建模的背景差分法来提取运动前景。在本文的视频场景中,基于单高斯背景建模的背景差分不仅可以准确的提取运动前景,而且具有较快的数据处理速度。随后对提取出的运动目标前景图像进行后期处理,首先进行开运算和闭运算,然后进行腐蚀和膨胀操作。经过后期处理的前景图像边缘平滑、孔洞减少,为后续的处理打下了良好的基础。在目标跟踪部分,本文采用了基于Kalman滤波的目标跟踪算法。利用Kalman滤波算法找出运动目标在下一帧中的搜索范围,计算搜索范围中各个目标的代价函数,选择代价函数最小的目标作为运动目标的后继。在行人检测部分,由于行人数目和前景像素数(前景面积)成线性关系,因此本文采用了基于面积的行人统计算法。由于行人由远到近走向摄像头或由近到远离开摄像头时,行人投影在摄像头中的面积不断变化,因此为了得到可用于人数估计的准确前景面积需要对前景进行几何校正。本文在Android平台上实现了行人检测系统。由于Android移动终端的便携性,将运用OpenCV开发的行人检测系统移植到Android平台上,使得智能视频监控更加灵活,同时扩展了Android平台的应用领域。