智能視覺監(jiān)控中的運動目標檢測與跟蹤.pdf

1、智能視覺監(jiān)控是計算機視覺領(lǐng)域的一個應(yīng)用熱點，它能在不需要人干預的情況下，通過自動分析攝像機拍錄的圖像序列來對被監(jiān)控場景中的變化進行定位、跟蹤和識別，并在此基礎(chǔ)上分析和判斷有關(guān)目標的行為。運動目標的檢測和跟蹤是智能視覺監(jiān)控系統(tǒng)的基礎(chǔ)。
　　本文的主要目標是尋找一種可應(yīng)用于DSP的室外多運動目標實時檢測與跟蹤算法，以期實現(xiàn)智能視覺監(jiān)控系統(tǒng)的小型化和智能化。首先，文章對智能視覺監(jiān)控系統(tǒng)中的室外運動目標檢測和跟蹤的常用算法——最近領(lǐng)域法和

2、Mean shit算法進行了研究。文章選取單高斯背景模型進行背景建模，并使用PETS2001數(shù)據(jù)庫中的標準測試序列對最近鄰法和Mean shift算法兩種算法進行了比較。實驗結(jié)果表明，最近鄰法運算速度快，但在距離較近時易發(fā)生跟蹤出錯；Mean shift由于采用了顏色特征，跟蹤結(jié)果優(yōu)于最近領(lǐng)域法，但運算量大，不利于算法最終在DSP設(shè)備上的實時性實現(xiàn)，且對光照變化敏感。
　　鑒于最近鄰法和Mean shift的缺點，本文對最近鄰法進

3、行了改進，提出了一種可用于DSP的室外多目標跟蹤算法。算法在最近鄰法的基礎(chǔ)上，新增搜索窗口閾值，并引入Kalman濾波器對目標進行預測，以確保運動過快的目標同樣能被正確跟蹤。算法首先在被跟蹤目標周圍的搜索窗口進行搜索，若僅有一個團塊進入搜索窗口，則認為此團塊為被跟蹤目標；若出現(xiàn)多團塊的情況，算法將利用局部二值化（LBP）紋理特征對進入候選區(qū)域的團塊進行區(qū)分，選取和被跟蹤目標相似度最大的團塊作為跟蹤目標。紋理特征克服了光照變化的影響，同時

4、，LBP算子的引入，大大的減小了運算的復雜度，從根本上保證了算法的實時性。
　　最后，為了實現(xiàn)對某類特定目標的跟蹤，本文對攝像機的標定進行了研究。利用攝像機仿射模型對監(jiān)視場景建模，算法可利用目標在圖像中的像素高度估算目標的實際高度，為算法的更深層次的應(yīng)用打下了基礎(chǔ)。
　　大量的實驗證明了新算法的可行性和魯棒性。目前，算法已經(jīng)成功應(yīng)用于某智能視覺系統(tǒng)，并在檢測和跟蹤的基礎(chǔ)上實現(xiàn)了汽車、人、自行車的人車分類和汽車入侵檢測等高級功