面向安防监控视频异物遮挡检测的方法与应用研究

摘要

随着平安城市智能监控系统的广泛应用，监控摄像头数量迅猛增长，对于摄像头是否处于正常工作状态、监控区域是否有效等问题的解决方案有了更加迫切的需求。监控区域的环境复杂多变，容易造成摄像头出现遮挡现象。本文以安防监控视频中的电线杆遮挡现象和树叶遮挡现象作为研究对象，进行视频遮挡检测研究。论文包括以下两个方面:
　　针对监控领域的电线杆遮挡异常问题，结合目前常用的一些直线检测的优缺点，本文提出一种改进LSD直线检测的电线杆遮挡检测算法。该算法利用电线杆边缘的直线特性，对图片进行直线检测，然后判断两条直线的中间矩形区域在HSV空间中H、S分量的标准差和上下对称区域的结构相似度，从而实现了电线杆遮挡检测。
　　针对监控领域的树叶遮挡异常问题，本文提出了一种基于卷积神经网络的树叶遮挡检测方法。该方法首先使用卷积神经网络检测出树叶在图像中的分布区域。其次使用卷积神经网络计算出树叶区域的深度估计值。最后融合树叶分布区域和树叶深度估计值使用卷积神经网络完成对树叶遮挡严重程度的检测。
　　通过实验测试验证了上述方法的有效性，并且可以满足如今安防监控系统中电线杆遮挡检测和树叶遮挡检测问题的主要需求，实验结果表明本文提出的方案具有可行性和应用价值。

目录

声明

摘要

第1章 绪论

1．1 研究背景和意义

1．2 国内外研究现状分析

1．3 研究内容和创新点

1．4 论文章节安排

第2章 视频遮挡研究

2．1 视频遮挡研究现状

2．1．1 全参考评价方法

2．1．2 弱参考评价方法

2．1．3 无参考评价方法

2．2 本章小结

第3章 基于直线检测的电线杆遮挡检测

3．1 电线杆遮挡研究现状

3．2 电线杆遮挡检测方法

3．2．1 改进LSD算法分析

3．2．2 直线段合并

3．2．3 电线杆定位

3．2．4 电线杆遮挡检测流程

3．3 实验结果与分析

3．3．1 阈值选取

3．3．2 算法性能对比

3．4 本章小结

第4章 基于深度学习的监控视频树叶遮挡检测

4．1 深度学习简介

4．2 树叶遮挡研究现状

4．3 树叶遮挡问题分析

4．3．1 树叶的颜色模型

4．3．2 树叶的深度信息

4．3．3 树叶遮挡严重程度

4．3．4 树叶遮挡特点

4．4 树叶遮挡检测方法

4．4．1 树叶远近程度与遮挡严重程度基准分值获取方法

4．4．2 算法框架

4．5 实验结果与分析

4．5．1 树叶识别实验

4．5．2 树叶深度估计实验

4．5．3 树叶遮挡严重程度实验

4．5．4 树叶遮挡检测对比实验

4．6 本章小结

第5章 总结与展望

5．1 工作总结

5．2 存在的问题

5．3 展望未来

致谢

参考文献

攻读硕士学位期间发表的论文

攻读硕士学位期间参加的科研项目