固定场景下智能视频监控系统的研究与应用

摘要

随着计算机图像及视觉处理技术的飞速发展，智能视频监控逐渐成为备受关注的前沿课题之一。智能视频监控指的是在不需要人为干预的情况下，利用计算机视觉和视频图像分析技术对图像序列进行自动分析，自动对场景中目标的进行检测、跟踪，并在此基础上分析、判断目标行为的技术。本文在分析业界已有算法的基础上，通过研究并改进智能监控系统中的目标检测算法和目标跟踪算法，使视频监控更具有实时性、准确性。最后利用改进的算法实现了整个系统。
　　 目标检测是智能视频监控系统的基础。本文通过分析背景差分法和帧间差分法的优缺点，根据固定场景的特点，选择有限帧均值算法与背景差分结合的方法来获得二值图像；接着，采用一种新的基于链表的段标记和区域增长相结合的连通区域标记算法对连通区域进行标记，该算法综合了段标记法和区域增长的优点，能快速准确的对场景中多个目标进行分离和标记，在时间复杂度上较之前的算法有很大的提高。
　　 运动目标的跟踪也是监控系统的研究热点和难点，同时也是论文的重点研究内容。本文通过分析目前业界已有的各种跟踪算法，重点研究了卡尔曼滤波算法和Mean-shift算法。卡尔曼滤波算法从宏观上对目标在下一帧图像中的位置进行预测估计：而Mean-shift算法则是在局部区域搜索目标的最优位置。本文将上述两种算法融合在一起对目标跟踪算法进行改进，解决了目标在被遮挡、出现短时间消失等问题。实验结果表明改进后的算法具有较好的效果。

目录

文摘

英文文摘

致谢

1 引言

1.1 课题研究背景与意义

1.2 研究现状和技术难点

1.2.1 国内外研究现状

1.2.2 技术难点

1.3 智能视频监控系统的原理和功能

1.4 论文主要内容及章节安排

2 运动目标检测

2.1 目标检测概述

2.2 图像差分二值化

2.2.1 常用算法

2.2.2 改进的图像二值化算法

2.2.3 实验结果与分析

2.3 连通区域标记

2.3.1 常用算法

2.3.2 改进的连通区域标记算法

2.3.3 实验结果与分析

3 运动目标跟踪

3.1 目标跟踪概述

3.2 常用目标跟踪算法

3.2.1 卡尔曼滤波器跟踪算法

3.2.2 Mean-shift目标跟踪算法

3.3 改进的目标跟踪算法

3.3.1 算法的改进

3.3.2 跟踪前期处理

3.3.3 目标状态分析

3.3.4 算法基本流程介绍

3.4 实验结果与分析

4 系统设计与实现

4.1 系统设计

4.1.1 系统模块设计

4.1.2 系统流程图

4.1.3 系统界面设计

4.1.4 事件识别准则设计

4.2 硬件介绍

4.3 系统配置与运行环境

4.4 实验结果与分析

5 总结与展望

5.1 总结

5.2 展望

参考文献

作者简历

学位论文数据集