论文部分内容阅读
视频监控以其直观、非接触、易被监控对象接受等优点,广泛应用于安全防范、生产监控、教育、政府、银行、商店、娱乐、医疗、运动等领域。近年来,随着计算机技术、网络技术和图像处理技术的发展,智能视频监控技术的研究与应用日益得到人们的重视,并取得较大的进展。本文在对智能视频监控国内外研究现状分析的基础上,着重对视频监控系统中涉及到的部分关键技术(运动目标检测、目标跟踪、目标识别及视频摘要)等进行深入讨论。本文研究内容主要包括: 1.对运动目标检测技术进行较深入研究,提出一种改进的混合高斯模型运动目标实时检测算法,以快速适应光照变化(渐变和突变)及有效消除运动目标阴影的影响,并将其用于车辆、行人的检测。 2.针对监控视频中运动目标外观多变、目标之间发生遮挡的问题,在目标检测的基础上,提出一种改进的融合多特征的运动目标跟踪方法以提高跟踪性能。该方法在目标之间无遮挡时,仅使用目标的二值化前景信息进行Mean-Shift跟踪;反之,则采用R、G、B及H颜色通道中区分能力最强的两个颜色通道特征来修正卡尔曼算法的预测结果。该改进策略不仅可在一定程度上避免目标跟踪丢失,且能提升算法的效率。 3.设计了一种具有高使用价值的交互式视频摘要系统结构。将运动目标跟踪阶段得到的运动目标信息存入数据库。在数据检索阶段,动态地从数据库中抽取运动目标信息,将多个不同时间出现的运动目标集成在同一摘要视频画面中,可方便视频数据浏览,且提供交互式的原目标视频片段检索功能。 4.在对传统Shape Context算法和最新的Height Functions算法分析基础上,提出一种改进的Shape Context算法快速识别运动目标。该算法以质心为极点,计算各轮廓点的空间分布,得到描述目标形状的形状直方图,并采用了动态规划策略优化形状匹配过程,以降低计算复杂度,进而提高算法的计算性能。