论文部分内容阅读
随着科学技术水平的不断发展,人们的生活水平不断提高,人们的安全意识也越来越高,这使得视频监控技术得到了高速发展。视频监控系统大致可分为五个部分:视频采集器、传输电缆、界面控制、画面显示器、信息存储器,在界面控制这一部分,主要是对画面中的运动目标进行分析,如检测画面中是否存在可疑目标、对可疑目标进行跟踪等。本文所研究的内容主要是视频监控的界面控制部分中最为核心的算法部分—检测运动物体和对对运动物体进行跟踪。对运动目标检测和跟踪算法的研究已经进行了几十年,涌现出了大量的运动目标检测和跟踪的算法,但是就目前应用来看还没达到一个成熟的阶段,所提出的算法鲁棒性还不够强,在不同的环境下还需要设计不同的核心算法。本文对运动目标检测和跟踪算法进行了深入研究,主要工作包括:运动目标检测算法研究。介绍了几种常用的检测运动物体的算法:帧间差分法,背景差分法,单高斯建模法,ViBE法(背景抽取法),对各个算法进行了理论分析和实验分析。其中ViBE算法具有计算量小,实时性好,运算速度快等优点,应用较为广泛,但是当运动目标运动量不大时,ViBE算法会产生漏检问题。本文提出一种结合单高斯模型的ViBE算法,利用单高斯模型的敏感性,弥补ViBE算法在检测较小运动量的目标时产生的漏检的缺陷。改进算法的基本思想是:首先利用单高斯模型对视频图像序列进行运动目标检测,将检测后的视频序列图像作为ViBE算法的输入再次检测,由于单高斯模型具有运算速度快、敏感性好等特点,可以有效检测出运动微小的运动目标,有效解决ViBE算法漏检的问题,经实验证明了改进后的算法具有实时性好,检测效率高,对自然环境变化(如光照、天气变化等)有很好适应性。运动目标跟踪算法研究。分析了几种跟踪运动目标的常用算法:基于滤波理论的Kalman算法,基于迭代搜索的MeanShift算法,基于颜色特征的CamShift算法。深入研究了自适应窗口的MeanShift跟踪算法—CamShift跟踪算法和ABCshift算法。ABCshift算法针对CamShift算法容易受到类目标颜色背景干扰的缺陷进行了改进,但是当目标被短暂严重遮挡时搜索框中的主模态发生改变,通常会导致跟踪结果失败等问题,本文对此进行了深入的研究并提出了改进的方案。通过在ABCshift算法中引入Kalman滤波器来预测目标在当前帧中的位置,可以有效解决上述两个问题。改进算法的基本思想是:在CAMShift算法的基础上,通过对运动目标的颜色直方图做贝叶斯运算,这样可以降低运动目标中与其他相似颜色的颜色概率密度,提高目标中非类背景颜色的颜色概率密度,解决了目标受到相似颜色干扰时跟踪结果不准确的问题,引入Kalman滤波器预测目标在当前帧中的位置,有效解决目标被短暂遮挡时跟踪失败的问题,将目标的颜色信息和空间信息相结合。实验证明改进后的算法能有效完成目标跟踪,很好的解决了目标受到相似颜色干扰和目标受到短暂遮挡时跟踪失败的问题,具有很好的适应性、实时性、鲁棒性等特点。开发了运动目标的检测和跟踪系统。在WindowsXP系统下运用VS2008应用程序开发平台搭载计算机视觉OpenCV库,基于MFC框架自动生成基于对话框的应用程序,通过编写代码实现运动目标检测和跟踪系统,实现运动目标的检测和跟踪,并对系统的性能包括准确性、实时性进行测试。