论文部分内容阅读
近年来,公共安全形势日趋严峻,基于视频序列的智能监控作为安防领域的核心技术之一,在诸如学校、医院、银行、监狱等对安全要求比较敏感的场合得到了广泛应用。当前的视频监控系统只能对视频场景中发生的事件进行简单地记录,而不能对视频中的信息进行有效处理和分析。因此,本文紧紧围绕和智能视频监控相关的视频序列滤波、分割、以及检测技术展开研究。主要内容可概括如下:视频序列图像在捕获、传输、及数字化存储过程中受到不可预测噪声污染时,会使视频序列信号质量下降(如对比度降低、细节模糊等)。为了改善视频信号的质量,本文提出了两种改进的视频信号滤波算法。首先,提出了一种滤波窗口形状、方位及尺寸可自适应改变的新的滤波算法,克服了传统均值和中值滤波及其相关改进算法由于滤波窗口参数固定而不能很好保持细节信息的缺点。其次,提出了一种混合滤波算法,通过多参数阈值比较法,将受噪声污染像素点进行分类,对不同类型噪声点分别采取不同滤波策略,有效解决了视频序列图像受两种噪声污染时采用单一滤波算法降噪效果不理想的问题。视频序列图像的分割是视频处理中的一个重要问题。本文给出了两种视频分割方法。首先,当视频信号中目标和背景的对比度比较低时,使用背景差分方法进行运动目行检测时,在背景差分序列中会检测到许多的“伪目标”。为此,本文提出了一种基于Tsallis熵的“伪目标”去除算法,该算法同时考虑了目标和背景间的差异度信息和相关性信息,较好地解决了视频序列图像在低对比度下的分割问题。其次,现有的很多视频分割算法只能提取运动区域内的单个运动目标。为此,本文提出了一种基于直方图指数平滑的多阈值视频序列图像分割算法,该算法能有效的提取运动区域内的多个运动目标。在运动目标检测过程中,当有运动目标融入背景时,W4检测算法存在背景更新不足的问题。为此,本文通过重新修改和定义新的背景划分公式和背景模型更新规则,提出了一种新的基于自适应背景差分的运动目标检测算法,实验结果证明该算法检测结果略优于传统W4算法。另外,在基于前景匹配的运动目标检测算法中,采用SIFT方法所提取的特征点过多导致匹配速度变慢。针对这个问题,本文将运动目标的不变矩和相对仿射微分不变量作为目标的特征点,采用区域协方差作为相似性度量实现了快速匹配。最后,将以上研究结果在某小区监控系统中进行了实验研究。结果表明,所提的算法能获得较好的效果。