论文部分内容阅读
视频监控技术是计机视觉领域一个新兴的应用方向和备受关注的前沿课题,是计算机科学、机器视觉、图像工程、模式识别和人工智能等多学科高技术的结晶。视频监控在技术上可解释为在不需要人为干预情况下,利用计算机视觉和序列图像分析的方法对摄像机拍录的图像序列进行自动分析。当正在监控的场所发生异常情况时,实现对场景中运动目标的识别和跟踪,并及时准确地向保卫人员发出警报。从而避免可能的犯罪发生,同时也减少了雇佣大批监视人员所需要的人力、物力和财力的投入。 目前,视频监控在理论和应用上都面临着很多难题,国内外有大批的学者投身于该领域的研究和探索,并且取得了大量的成果。本文就是在分析和研究这些成果的基础上,对视频监控系统的一些关键技术进行研究。主要内容可概括如下: (1) 在基于图像差分的运动目标检测算法中,检测判定阈值是这类算法的关键。基于背景差分与帧间差分相结合的运动目标检测算法采用经验设定检测阈值易发生误报警或错报警。本文采用自适应阈值的判定方法,克服了传统差分算法中的缺点。 (2) 提出了一种基于塔式小波分解的多尺度边缘综合检测方法。该算法利用小波变换具有的多尺度特性把图像信号分解成不同尺度上的分量,再利用Marr算子对各个尺度上的高频分量进行边缘检测,最后根据实际需要将各尺度边缘图像进行重构。实验结果表明:该方法很好的解决了噪声抑制和图像边缘提取之间的矛盾,且利用Marr算子进行边缘检测得到是单像素的边缘,可以减小跟踪过程中匹配计算的复杂度。 (3) 提出一种改进的基于Hausdorff距离匹配的运动目标跟踪算法。该算法采用Kalman滤波器进行运动估计,缩小了特征搜索范围,提高了匹配计算速度。在匹配准则方面,采用有向Hausdorff距离与平均Hausdorff距离相结合的匹配的策略。实验结果表明:本文所采用跟踪算法与原有的Hausdorff距离匹配算法相比,当跟踪目标短暂丢失或镜头移动的情况下也有较好的跟踪效果,并且跟踪效率也有很大的提高。