運(yùn)動(dòng)目標(biāo)檢測(cè)算法的研究、實(shí)現(xiàn)與優(yōu)化.pdf

1、基于網(wǎng)絡(luò)的智能視頻監(jiān)控系統(tǒng)，憑借其對(duì)場(chǎng)景中目標(biāo)的定位和行為分析能力，以及便捷實(shí)現(xiàn)遠(yuǎn)程監(jiān)控的能力，撼動(dòng)傳統(tǒng)視頻監(jiān)控技術(shù)的堅(jiān)實(shí)根基，一舉打開應(yīng)用市場(chǎng)。在軍事、工業(yè)流水線、博物館、銀行、機(jī)場(chǎng)、鐵路線、居民小區(qū)等場(chǎng)所，都有著大量的需求和廣泛的應(yīng)用。這些架設(shè)起來(lái)的智能視頻監(jiān)控設(shè)備，正全天候、無(wú)盲點(diǎn)的保衛(wèi)著公共安全。
　　算法，是智能化的視頻監(jiān)控系統(tǒng)的核心部分。它們完成了對(duì)監(jiān)控場(chǎng)景中目標(biāo)的提取、跟蹤和行為判定。從最基礎(chǔ)的物體分割，到丟包、徘徊

2、、越界分析以及多攝像頭切換下的同一物體鎖定，這其中，涵蓋了大量的算法處理策略。運(yùn)動(dòng)目標(biāo)檢測(cè)算法，則是所有上層處理策略的基石。為了檢測(cè)出目標(biāo)物體，以供后續(xù)處理，研究人員提出了一系列方案，例如：多幀平均算法、光流場(chǎng)算法、背景差分算法等?；旌细咚鼓Ｐ褪且环N廣泛使用的背景差分法。算法依托其自身多模型和在線更新的特性，適應(yīng)場(chǎng)景漸變，克服樹枝周期性擾動(dòng)帶來(lái)的種種影響。然而，一方面?zhèn)鹘y(tǒng)的混合高斯模型檢測(cè)出的二值圖像，存在較多噪聲和空洞，導(dǎo)致過(guò)度分割的

3、發(fā)生；另一方面，不能處理陰影的缺陷，讓提取出的二值圖像邊緣模糊、誤檢嚴(yán)重，物體間因?yàn)殛幱皩?dǎo)致的融合現(xiàn)象非常多。這些問題都將直接影響后續(xù)處理。
　　文章通過(guò)在經(jīng)典混合高斯模型中加入陰影抑制算法，減少陰影干擾，增加目標(biāo)物體提取準(zhǔn)確度；并加入馬爾科夫隨機(jī)場(chǎng)，通過(guò)基于鄰域信息的二值圖像修正，減少目標(biāo)物體過(guò)度分割現(xiàn)象，同時(shí)也提供了一種自適應(yīng)門限策略。算法性能的評(píng)估，在算法研究中同樣占有重要地位?；赩IPER(video performan

4、ce evaluation resource)的目標(biāo)提取算法評(píng)估方法，從查全率和查準(zhǔn)率、單幀處理結(jié)果和統(tǒng)計(jì)結(jié)果等多個(gè)角度，定量評(píng)測(cè)算法性能，科學(xué)嚴(yán)密的反應(yīng)了算法的處理效果。
　　目標(biāo)檢測(cè)算法要得到實(shí)際應(yīng)用，需滿足一定的指標(biāo)。在DSP(Digital Signal Processing)硬件平臺(tái)上實(shí)現(xiàn)時(shí)，要經(jīng)過(guò)大量?jī)?yōu)化。文章從算法和軟件層面，以及基于硬件架構(gòu)層面展開優(yōu)化。充分運(yùn)用緩存、流水等機(jī)制及運(yùn)算處理、定點(diǎn)化等策略。經(jīng)優(yōu)化后的算