智能視頻監(jiān)控中的運動檢測算法研究.pdf

1、隨著電子技術(shù)、通信技術(shù)、計算機視覺技術(shù)的發(fā)展,智能視頻監(jiān)控系統(tǒng)的研究與應(yīng)用日益得到人們的重視.運動檢測作為智能視頻監(jiān)控系統(tǒng)中視頻處理的第一步,具有非常重要的地位,同時也是一個技術(shù)上的熱點和難點.該文主要研究在智能視頻監(jiān)控中進(jìn)行運動檢測所涉及到的各種算法:背景模型的初始化、運動檢測和運動投影檢測算法.由于基于混合高斯模型的背景相減法具有簡單性和有效性,它在視頻監(jiān)控系統(tǒng)的運動檢測中得到了廣泛的應(yīng)用.背景模型的初始化是實施這一算法的第一步.該

2、文針對不同情況使用了不同方法進(jìn)行背景模型初始化.針對不存在純粹背景的訓(xùn)練視頻序列的情況,該文提出了一種新穎有效的背景模型初始化算法.這個算法首先找到訓(xùn)練視頻序列中像素值保持穩(wěn)定的子序列,根據(jù)圖像局部光流信息計算子序列為背景的概率,然后用概率最大的幾個子序列的均值和方差來初始化混合高斯分布的均值和方差,并從子序列的概率得到高斯分布的權(quán)值.如果像素的穩(wěn)定子序列數(shù)目少于高斯分布數(shù),則用K-mean算法對非穩(wěn)定子序列像素進(jìn)行聚類,用聚類結(jié)果初始

3、化背景模型余下的高斯分布參數(shù).這個方法能夠體現(xiàn)背景像素的多模態(tài)性,從而可以處理背景的擾動.為了處理背景長期的緩變、背景運動以及全局光照的突然變化,該文提出了一個融合兩種運動信息的分級運動檢測算法.算法包括像素級、區(qū)域級和幀級處理.像素級處理中,改進(jìn)了傳統(tǒng)的基于混合高斯模型的背景相減法,使其能夠更好地適應(yīng)背景的緩變;同時,提出了一個能夠及時適應(yīng)背景快速變化的累積時間差分方法,用它的處理結(jié)果作為輔助信息,改善背景相減法的運動檢測效果.區(qū)域級

4、處理將檢測到的運動像素聚合成運動區(qū)域,并融合像素級兩種方法的處理結(jié)果,使得算法既能適應(yīng)背景的緩變,又能適應(yīng)背景的快變,解決了背景物體運動的問題.幀級處理主要解決全局光照變化情況下背景模型的重新初始化或者多個背景模型切換的問題.實驗結(jié)果表明,這個算法能夠?qū)崿F(xiàn)穩(wěn)健可靠的運動檢測.為了排除運動投影干擾,該文針對交通監(jiān)控場景提出了一個自適應(yīng)分級運動投影檢測算法.與運動檢測算法一樣,這個算法包括像素級、區(qū)域級和幀級處理.像素級處理根據(jù)梯度信息和背

5、景期望亮度值、色差值與陰影亮度值、色差值各自比值的統(tǒng)計特性,估計像素為陰影的概率.區(qū)域級處理考慮了運動投影像素間關(guān)系、尺寸特點和幾何位置特點,剔除像素級處理的誤檢,得到真正的運動投影區(qū)域,并對有關(guān)參數(shù)進(jìn)行自適應(yīng)更新,使得算法能夠適應(yīng)場景中光照的緩慢變化帶來的運動投影性質(zhì)的改變,這也是在運動投影檢測中引入這些參數(shù)的一大好處.幀級處理主要解決全局光照突然變化有關(guān)參數(shù)的重新初始化或者多組參數(shù)切換問題.這個算法應(yīng)用在交通監(jiān)控場景中,能夠有效抑制