论文部分内容阅读
本文选题来自项目面向视频大数据智能分析的关键技术研究。近年来,随着社会的发展,人们的生活水平不断提高,生活质量也得到了极大的改善。与此同时,人们更加重视人身和财产安全,安防的观念在人们心目中占据着越来越重要的位置,这也就促进了智能视频监控系统的快速发展。智能视频监控系统的核心功能是对摄像头采集的视频图像序列进行分析,进而对摄像头监控的区域中事物的变化进行检测、识别与跟踪。本文对近几十年视频监控系统的迅速发展做了详细介绍,对智能视频监控系统的工作时运用到的一些原理做了描述,阐述了智能视频监控系统相对于传统的视频监控系统的优点,介绍了系统功能上面用到的算法,分析了这些算法存在的不足之处。介绍了几种较为常用的运动检测方法以及背景建模的相关算法,深入的阐述了这些运动检测算法和背景建模的原理,并且指出了它们的优势以及存在的不足。本文完成的主要研究工作如下:①提出了自适应的SILTP算子。分析比较了LBP、LTP以及SILTP算子的局限性。针对目前智能视频监控系统在对视频图像序列分析中树叶晃动等复杂环境因素对运动目标检测产生的影响,提出通过运用改进的自适应SILTP算法来提取运动目标的纹理信息,能够有效克服树叶晃动等因素对运动物体产生的影响。该算法首先获取视频图像全局的像素点灰度值以及局部的像素点的灰度值,利用这两个灰度值的均差得到一个对图像局部纹理自适应的阈值,能够准确的将前景图像与复杂的背景图像进行分离,自适应性强,能够有效消除树叶晃动等复杂环境因素对前景图像提取的影响。②提出了运用自适应的SILTP算子提取图像纹理特征进行混合高斯背景建模。分别通过LBP、SILTP以及自适应SILTP算子进行图像纹理特征提取,利用混合高斯模型进行背景建模,然后通过运动目标检测的实验来检验三种算子的检测效果,最后通过三种算子的实现效果对比突出自适应SILTP算子要优于另外两种算子。③设计并实现了智能视频监控系统。将基于自适应的SILTP算子的运动检测算法成功运用到了开发的系统中进行运动检测,取得了不错的效果。