论文部分内容阅读
随着平安城市、智慧城市等概念的提出,智能视频监控逐渐成为了备受关注的热点课题。智能视频监控在不需要人为干预的情况下,通过运动目标检测、目标识别、跟踪及目标行为分析等步骤,对视频序列进行实时、自动的处理和分析,得到对视频内容的理解和解释,从而指导相应的预警及行动规划。近年来智能视频监控系统逐渐应用到园区安防、金融、交通等多个领域。本文主要研究智能视频监控中视频运动目标的检测。首先总结归纳当前运动目标检测存在的各种问题,如实时性检测问题,光照变化问题等。然后对运动目标检测方法进行综述,介绍了运动目标检测技术中经典方法及其改进方法,分析了各类方法的优缺点。在此基础上,根据视频相邻帧间存在时间连续性及视频帧内像素点间存在高度结构化的空间联系,本文融合视频帧的时间和空间关系,提出了两种融合背景差分法和帧间差分法的改进算法,分别是基于自适应分块和Hausdorff距离的检测方法及基于自适应分块和LBP纹理的检测方法。两种方法都是在对图像自适应分块的基础上,充分利用像素邻域之间的关系,避免对单个像素进行操作,减少单个噪声的干扰及大量的运算。其中,方法一为了避免噪声的影响和提高检测速度,借鉴图像匹配思想,引入相邻帧对应分块间的Hausdorff距离计算,并对Hausdorff距离计算方式进行改进,通过对应分块的部分Hausdorff距离来获得其相似度,作为区分前景与背景的依据;方法二为了应对光照变化带来的影响,引入LBP纹理分布算子,计算相邻帧对应块间的纹理直方图的相似度,用来判断相邻帧对应分块的相似性大小,作为判断前景与背景的根据。实验结果表明,与传统的背景差分法相比,改进后的方法具有更好的检测效果及检测效率。其中方法一对图像进行自适应分块且只计算部分Hausdorff距离,检测速度提高,能达到实时处理的要求;方法二引入LBP纹理特征,由于LBP纹理特征的灰度不变性,该方法在光照发生变化时能取得较好的检测效果。