视频监控已广泛应用,仅南京地区的监控摄像已逾50万路,计算机图像的识别解析,特别对运动目标的大小尺寸、行为轨迹、运动速度、以及流量统计等等需求凸显,。然而外场环境复杂条件不可控,往往带来运动目标检测的严重的错误判决和误差。我实验室承担《船舶实时视频图像监测识别系统关键技术研究及应用》、《智能视觉感知的安全事件检测系统》、《高速公路多元传感、汇聚挖掘、预警决策、综合发布网络系统》等多项国家、省部级项目,其中遇到种种复杂的外界环境条件。诸如,摄像机抖动、光线变化、特殊天气、车辆阴影等等。特别在运动船舶检测中,水面波光粼粼、船只与水面对比度弱、船行波的同步运动等都增加了船舶识别的困难,影响船体大小检测......对此,国内外的相关研究尚不够,因此更有必要对外场的复杂环境条件,及其对运动目标检测的影响加以研究,以解决这一瓶颈。论文结合科研项目的实际应用背景所遇到的瓶颈,解析了视频监控的模块构成、运动目标检测的内涵与地位,及其与复杂环境的关联性,分析了国内外已有应对复杂环境影响的相关算法合理性和局限性,以从中寻求产生误检、漏检的症结,明确症结问题的难度,理出解决问题的头绪和途径,从而通过解析、提出相关系列算法或优化方案,加以仿真、实验、乃至实际运行验证。论文系列关键算法的研究中主要包括:基于灭点估计的路面ROI区域提取、动态背景下基于视觉背景建模(VIBE)的运动目标检测、相机抖动下基于运动信息分布的运动目标检测、基于色彩比和纹理恒定性的阴影检测与剔除等。针对高速公路摄像机遥控呈遥控方式,论文以路面车道分割线为参考物,提出了通过估计道路灭点来提取路面ROI,不同于以往方法采用人工设置,该方法自适应云台变动,定位摄像机位置,自动提取路面ROI;论文利用分水岭方法分割左右车道,为后续的上下行流量统计和逆行异常事件检测奠定了基础。针对动态背景下运动目标检测问题,论文综合分析了近几年主流的运动目标检测算法,在此基础上,优化了视觉背景建模的运动目标检测算法(VIBE),采用多帧连续图像初始化背景模型,消除了单帧图像初始化所产生的伪目标对检测精度的影响;继而根据背景动态程度自适应调节判断阈值,以提高算法对动态背景适应能力差。为获取实时准确的背景模型,建立基于空间一致性与模糊准则的选择性更新机制,减少算法的误检对模型的影响,提高了算法的鲁棒性。针对相机抖动导致运动目标检测性能下降,论文提出了基于运动信息分布的运动目标检测算法。分析相机抖动图像中运动像素的运动信息,发现背景运动信息分布与前景运动信息分布的差异性能够为运动背/前景区分提供有效依据,在此基础上,构建了非参数的背景运动信息分布模型,通过概率似然性去除了相机抖动造成的前景误检;并利用mean-shift和信息熵方法自动求取判断阈值,克服了单个的全局阈值对场景变化适应能力差问题。针对运动阴影对视频监控准确度的影响,论文分析了阴影的成像模型和色彩属性,构建了一种具有光照不变性的色彩比特征;针对单一类型色彩特征的不足,结合阴影和背景的纹理一致性,提出了融合色彩比和纹理的阴影检测方法,不同于传统方法计算整个区域的纹理相似性,论文设计了一个指标量化纹理相似性,统计小区域内的纹理相似性,该方法更见准确合理,两类特征的结合,解决了单一特征的不可靠。论文并不停留在理论上,从实验演示系统,到“南通海事”、“沪宁高速”等实际应用系统,重点给出了《船舶实时视频图像监测识别系统》为代表的系统设计与构建,加以实际运用,并通过了实际检测验收。综上,研究成果具有重要的理论意义和应用价值。其创新或特点在于:●提出基于灭点估计的路面ROI提取,滤除了图像中冗余信息给视频分析带来的计算负担和处理难度,克服了复杂场景人工方法的自动化和人性化缺失;●优化基于视觉背景建模的运动目标检测,有效降低了动态背景对运动目标检测的干扰,为后续的图像分析与理解提供了良好的基础;●给出基于运动信息分布的运动目标检测,提高了运动目标检测算法对相机抖动的适应性,抑制了运动错检;●提出基于色彩比和纹理恒定性的阴影检测算法,弥补了依靠单一特征方法的不足,去除了运动阴影对系统监控精确度的影响。