視頻監(jiān)控系統(tǒng)中視頻處理相關(guān)問題研究.pdf

1、隨著計算機(jī)網(wǎng)絡(luò)與通信技術(shù)、多媒體技術(shù)的快速發(fā)展，數(shù)字化視頻監(jiān)控系統(tǒng)在國民經(jīng)濟(jì)的各個領(lǐng)域中都得到廣泛地應(yīng)用。視頻監(jiān)控系統(tǒng)具有監(jiān)控目標(biāo)實時性強(qiáng)、適于遠(yuǎn)距離傳輸、便于管理人員控制等突出優(yōu)點。因此對視頻監(jiān)控系統(tǒng)進(jìn)行研究具有很強(qiáng)的理論和現(xiàn)實意義。
　　視頻監(jiān)控的研究內(nèi)容相當(dāng)豐富，包括了運動目標(biāo)檢測、跟蹤、目標(biāo)分類和行為理解等方面，涉及到計算機(jī)視覺、模式識別和人工智能等領(lǐng)域的許多核心課題，是一個具有挑戰(zhàn)性的課題。本文從視頻處理的角度入手，針對

2、于視頻監(jiān)控系統(tǒng)中的視頻去噪、視頻穩(wěn)定和視頻目標(biāo)跟蹤問題進(jìn)行研究，進(jìn)行了一下幾個方面的研究:
　　首先研究了面向視頻的去噪算法。與一般的圖像去噪不同，視頻不僅僅是單幅的圖像，而且是由一幀一幀的圖像組成的，而圖像在時間上又是相關(guān)的，噪聲在時間上一般是是不相關(guān)的，這就使得對于視頻序列可以在時間域上來進(jìn)行濾波，因為在時間域上濾波之后能夠減少相鄰圖像之間的差異，這樣就會大大減少觀看視頻時閃爍現(xiàn)象的產(chǎn)生。常用的運動補(bǔ)償算法都是以塊為單位來進(jìn)行

3、的，因此會帶來塊效應(yīng)。本文提出了一種非局部均值和時域平均濾波相結(jié)合的去噪方法，這樣既削弱單幅圖像的噪聲，又克服了視頻的閃爍感。
　　其次研究了視頻穩(wěn)定化算法。并非所有的監(jiān)控系統(tǒng)都安裝在固定的位置，當(dāng)視頻監(jiān)控系統(tǒng)作為車載設(shè)備時，拍攝的圖像可能會出現(xiàn)抖動。本文提出一種基于粒子濾波的視頻穩(wěn)定化算法。在給出穩(wěn)定化算法前提出一種半迭代無跡卡爾曼粒子濾波，主要思想是利用擴(kuò)展卡爾曼濾波構(gòu)造粒子建議分布，并通過無跡卡爾曼濾波來實現(xiàn)粒子的重提取。實

4、驗結(jié)果表明提出的算法的估計精度超過相比較的12種濾波算法。視頻穩(wěn)定化算法一般包括運動估計、運動濾波、運動補(bǔ)償和圖像補(bǔ)償幾個部分。相對于其它種類的視頻穩(wěn)定化算法，基于特征點的視頻穩(wěn)定化算法具有更高的魯棒性。但是基于特征點的視頻穩(wěn)定化算法的精確度受到特征點的定位、選取和匹配誤差的影響。針對于這些問題提出一種基于粒子濾波的視頻穩(wěn)定化算法。首先基于SURF算子提取相鄰兩幀圖像的特征點并進(jìn)行匹配，其次利用RANSAC算法剔除局部運動向量。在計算運

5、動估計時，首先利用特征點的匹配數(shù)據(jù)基于最小二乘法來獲得運動估計的初始值;其次基于該初始估計值，利用粒子濾波算法來獲得運動估計的精確值。實驗證明了本算法的有效性。
　　目標(biāo)分割是視頻監(jiān)控系統(tǒng)的一項重要任務(wù)。本文主要基于水平集Level Set的主動輪廓Active Contour來完成這個任務(wù)。本文首先研究了經(jīng)典的主動輪廓模型LBF模型。針對LBF無法利用全局信息的特點，本文在LBF模型的能量泛函中增加一個全局控制項，克服了LBF模

6、型對輪廓初始位置敏感的缺點;另外為了提高了分割精度，還加入了邊緣梯度約束項，并稱這種改進(jìn)的模型為GL模型。其次本文研究了主動輪廓先驗分割模型，在此基礎(chǔ)上結(jié)合前面提出的GL模型，得到了一種新的先驗分割模型GLS模型。在視頻監(jiān)控視頻序列的測試集上對本文提出的算法進(jìn)行了測試，實驗結(jié)果證明了提出算法的有效性。
　　目標(biāo)跟蹤對于視頻監(jiān)控系統(tǒng)同樣很重要，Camshift算法是常用的視頻跟蹤算法。Cmashift算法存在著擴(kuò)展窗口大小和抗噪聲干