论文部分内容阅读
从监控技术的发展来看,监控技术大致可分为三个阶段:人力现场监控、人力视频监控和智能视觉监控。目前,世界各国政府和学者都在密切关注着新一代的监控技术——智能视觉监控技术。智能视觉监控技术涉及图像处理、图像分析、机器视觉、模式识别、人工智能等众多研究领域,是一个跨学科的综合问题,也是一个极具挑战性的前沿课题,具有广泛的应用领域和巨大的潜在市场价值、社会效益。视觉监控系统的智能化分析过程由运动目标检测、分类、跟踪和视频分析等几个基本环节组成,其中运动目标检测是基础。由于背景图像的动态变化,如天气、光照、阴影以及背景干扰的影响,使得运动目标检测成为一项相当困难的工作。因此,对智能视觉监控系统中运动目标检测算法的研究具有非常重要的意义。本课题来源于山东省科技攻关项目——“智能视觉监控系统”,研究和设计实现了智能视觉监控系统。项目在基于海康DS-4004H板卡的基础上,利用VisualC++、海康SDK、SQL Server 2000等编写了视觉监控系统软件,系统包括六个独立部分:中心数据库、本地数据库、数据管理中心、视频服务器、监控中心和流媒体客户端。系统借鉴多媒体监控系统的方法,在视频服务器端采用传感器与摄像头相配合,实现了简单的多媒体入侵检测。本文介绍了运动目标检测的一些基本方法:光流法、时间差分法、背景差法,并对各种方法进行分析和比较,指出其优缺点和应用范围。本文将运动目标检测的改进方式分为三类。针对固定摄像机情况下的视觉监控系统,提出了一种改进的快速混合高斯模型算法。通过分析方差和均值在混合高斯模型中的作用,同时考虑方差学习率的复杂性,省略了方差更新;对不同方差进行实验比较,确定了方差的合适取值,且均值学习率采用定值。实验结果表明,改进算法比传统检测方法有更好的实时性与可靠性。如果仅仅应用于智能视觉监控系统入侵检测(当前景占场景的比例大于一个常数时即认为发生入侵)时,由于本文算法受噪声和光照缓变等影响较小,所以不需进行形态滤波,从而可进一步减小计算量。检测出运动目标的二值前景图像后,需要确定每个目标的范围、大小、位置等信息,从而为跟踪、识别等后续处理做准备。由于二值前景图像中往往含有噪声,存在一些孔洞或孤立点等,因此采用形态学滤波(此处为开操作)对二值化后的前景图像进行处理,然后使用OpenCV中的cvFindContours和cvDrawContours检测和填充轮廓,从而检测出目标区域,并对目标区域进行画框处理,具有较好的实验效果。