论文部分内容阅读
仓储安全是仓库安全管理的主要目标之一,实现智能化安全管理是有效保障仓储安全的重要技术手段。机器视觉技术可通过对数字视频监控信息的提取与智能化分析,实现对仓库重点监控区域异常行为的检测与跟踪。当判断该行为属于可疑行为时系统会自动预警,确保安保人员第一时间赶赴现场,进而达到仓库智能化安全管理的目的。本文在摄像机固定的前提下,主要对进入某仓库某重点区域的运动目标进行实时检测与跟踪,主要工作如下:运动目标检测:经典高斯混合模型可以自适应环境的微小变化,但是模型计算速度缓慢,且当环境变化复杂时检测效果差。本文提出了一种改进的高斯混合模型,该模型可通过判断光线是否发生突变来自适应调整模型参数,并且对原有的均值和方差学习率进行改进。通过实验对比分析可知,改进后的高斯混合模型法相比于经典混合高斯模型在算法的鲁棒性和实时性方面都有很大的提高。此外,考虑到获取的视频图像含有噪声,以及因光线所产生的目标阴影等问题,本文对目标进行检测前采用灰度直方图均衡化等手段对图像进行了预处理,并在监测目标后运用形态学滤波对而止血进行去噪处理。最后本文在RGB颜色空间的基础上提出一种阴影消除算法,实验结果表明算法能够有效去除阴影的影响。运动目标跟踪:在分析目前跟踪算法的基础上,提出一种基于卡尔曼滤波的单目标跟踪和多目标跟踪算法。由于卡尔曼滤波在物体的跟踪方面有很好的预测功能,因此可以对目标进行初步预测,进而在预测范围内对目标的特征进行匹配,从而减少了搜索匹配的时间。在特征匹配的过程中,选择目标的质心和跟踪外接矩形的宽和高作为单目标匹配的特征,采用代价函数作为匹配函数对背景中出现的两个目标的特征分别进行匹配。最后本文对单目标跟踪和多目标跟踪进行了实验验证当目标之间发生遮挡的时候算法也能保持很好的跟踪效果,从而说明算法的有效性和准确性。