论文部分内容阅读
运动目标检测技术是现代视频监控系统的核心技术之一,对智能视频监控研究具有非常重要的理论意义和应用价值。而人形、人脸检测技术在模式识别与计算机视觉领域一直受到广泛的关注与重视。本文对智能视觉监控中人形目标检测进行研究,论文完成的主要工作如下:(1)针对智能视频监控中的传统运动目标检测方法的不足,提出了一种快速、高效的运动目标检测方法。首先针对运动对象识别系统中识别背景不固定的情况,提出了以帧间差分法重建背景图像,以背景差分法分离当前帧图像中的背景点和运动目标点,然后通过滤除非连续运动目标点来减少本模块的误识率。采用自适应背景更新方法,使背景每隔一定的时间间隔更新一次,以达到理想的分割效果。实验结果表明,该方法可有效地实现对于运动目标的检测。(2)采用基于AdaBoost算法的阈值自适应的权重更新方法和Haar-like特征,优化了分类器结构,实现了级联分类器训练方法,降低了算法复杂度。基于帧间差分法实现了背景建模,可排除大量的背景目标,提取到视频序列中的运动人形目标,最终实现了一个人形目标检测系统。实验结果表明,采用Haar-like矩形特征可克服传统的检测方法在噪声条件下不能准确提取特征的缺点,在非典型性天气场景、雪天单人及多目标等复杂场景下均可以取得较好的检测结果。(3)提出了一种基于肤色空间预处理的AdaBoost算法,先用肤色模型分割出图像中的肤色区域,建立肤色在YCbCr颜色空间上的高斯模型,之后再对图像进行噪声处理,最后通过肤色特征分析得到初步检验后的人脸区域。在AdaBoost检测阶段,得到的人脸区域与之前基于肤色检验得到的人脸区域进行或运算,即可得到更准确的人脸定位。实验结果表明,该算法可以用于单人、多人脸及视频序列中实时单人多角度、多人脸检测,可以精确地定位视频序列中的人脸,可以获得较好的检测率与较低的误检率。