视频监控系统中目标检测与阴影抑制算法研究与实现

摘要

随着计算机视觉技术、电子技术、通信技术的发展，智能视频监控系统作为安全防卫的一种重要手段正越来越受到人们的重视。本文首先综述了智能监控系统的发展历史和现状，然后对智能监控系统中的运动目标检测和阴影去除算法进行了研究。
　　运动目标检测作为智能视频监控系统中视频处理的第一步，具有非常重要的地位，同时也是一个技术上的热点和难点。本文对目前运动目标检测方法进行了评述，在详细分析了常用几种目标检测方法的基础上，研究了基于混合高斯模型背景差法的运动目标检测算法。实验表明混合高斯背景模型对光线变化、场景中元素反复运动、缓慢运动物体以及从场景中增加和去除物体都有较好的鲁棒性。
　　由于目标检测结果中存在阴影，本文在混合高斯背景模型基础上，针对车辆和行人自身的一些特点，提出两种分别对行人和车辆的阴影抑制方法。其中一种是基于反射率与颜色恒常量的行人阴影去除算法，这种方法是基于像素点邻域光照不变和阴影覆盖背景后不改变其反射率和颜色组成的特点来检测阴影并去除。另一种是基于本征图像分解与小波变换的车辆阴影去除算法。这种方法首先将当前图像、混合高斯建立的背景图像转化到对数域，然后分别得到两幅图像的梯度图，根据两幅梯度图做差求出运动前景的梯度图，利用本征图像分解的方法去除阴影，得到粗略目标区域边缘图。最后得到边缘图的水平垂直投影，并对投影图进行小波变换，得到准确的去除阴影的车辆区域。最后对已有和新提出的阴影检测算法实验结果进行对比分析，实验表明，提出的行人和车辆的阴影抑制算法能够准确的去除阴影，具有较强的鲁棒性。

目录

封面

声明

摘要

第1章 绪论

1．1 引言

1．2 视频监控系统的关键技术

1．3 本课题研究的目的和意义

1．4 国内外研究进展

1．5 本文内容与章节安排

第2章 阴影抑制的相关理论

2．1 图像成像理论

2．1．1 光线

2．1．2 表面

2．1．3 颜色传感器

2．1．4 成像模型

2．2 阴影的概念

2．3 阴影的特点

2．4 阴影的光谱性质

2．5 颜色空间

2．5．1 RGB颜色模型

2．5．2 HSV颜色模型

2．5．3 YUV颜色模型

2．5．4 YCbCr颜色模型

2．6 本章小结

第3章 运动目标检测算法研究

3．1 运动目标检测的常用方法分析

3．1．1 光流法

3．1．2 帧差法

3．1．3 背景差法

3．2 基于混合高斯模型的目标检测算法研究

3．2．1 混合高斯模型的参数初始化

3．2．2 混合高斯模型的参数更新

3．2．3 场景背景的选取

3．2．4 运动前景检测

3．2．5 基于混合高斯模型的目标检测算法实现步骤

3．3 实验结果与分析

3．4 本章小结

第4章 面向智能控制的行人阴影抑制算法研究

4．1 现有阴影检测算法原理及优缺点分析

4．1．1 基于颜色的阴影抑制

4．1．2 基于统计的阴影抑制

4．1．3 基于纹理的阴影抑制

4．1．4 基于梯度的阴影抑制

4．2 基于反射率与颜色恒常量的行人阴影去除算法研究

4．2．1 基于反射率的方法

4．2．2 基于颜色恒常量的方法

4．2．3 反射率与颜色恒常量相结合行人阴影抑制算法

4．3 实验结果与分析

4．4 本章小结

第5章 面向智能监控的车辆阴影抑制算法研究

5．1 基于本征图像分解与小波变换相结合车辆阴影去除算法研究

5．1．1 本征图像分解的方法

5．1．2 小波变换的方法

5．2 基于本征图像分解与小波变换相结合车辆阴影去除算法实现步骤

5．3 实验结果与分析

5．4 本章小结

第6章 总结与展望

6．1 论文总结

6．2 展望

参考文献

致谢