基于减背景的行人检测及简单行为识别研究

论文摘要

随着国民经济的快速增长和社会的进步,银行、电力、交通以及军事设施等领域对安全防范报警系统的需求与日俱增,对智能视频监控技术的应用及发展提出了更高的要求。行人检测与行为识别技术的研究是智能视频监控技术的一个重要的研究方向,对于协助安全人员发现和处理异常行为、实现全天候的无人监控有重要意义。一个典型的行人检测与行为识别系统包括行人检测、阴影去除、行人跟踪和行为识别等模块。本文主要研究基于减背景的运动行人检测、目标阴影去除和行人简单行为识别等三方面的技术及其应用。运动目标检测算法是行人检测与行为识别技术的基础。在对目标检测技术中的帧间差分法和背景减除法进行了深入研究后,提出了一种基于减背景理论的CW4模型的运动目标检测算法。该算法有效结合了帧间差分法和背景减除法的优点,并充分利用了图像的亮度和色差等颜色信息,使得检测的结果更加准确。实验结果表明,该算法在保证实时性要求的前提下,能够显著的提高行人检测的精确性。为更精确地检测目标,对运动目标的阴影去除技术进行了研究。在详细分析了带有阴影图像的背景和前景的像素特点以及形态特点后,针对彩色图像和灰度图像,分别设计了基于带权重的颜色计算模型和基于背景除法的计算模型用于去除阴影。实验结果表明,两种阴影去除算法均能够有效地去除阴影。对行人姿势的识别、行人跨越虚拟线和虚拟区域内的人数统计等技术进行了研究。根据行人的二值图像的特征,提出了一种基于模板的行人姿势识别算法。根据运动行人初始位置和当前位置与虚拟线的关系,提出了一种基于行人的位置信息的判断其是否跨越虚拟线的算法；在跨线检测算法基础上实现了在虚拟区域内统计行人数量的功能。行人检测、阴影去除及行为识别算法的研究将在智能视频监控、智能交通和视觉导航等领域发挥重要的实际意义和理论意义。

论文目录

• 致谢
• 中文摘要
• ABSTRACT
• 1 引言
• 1.1 研究背景
• 1.2 论文研究内容
• 1.3 论文组织安排
• 2 相关理论综述
• 2.1 智能视频技术
• 2.2 图像处理知识
• 2.2.1 图像的颜色空间
• 2.2.2 腐蚀和膨胀
• 2.2.3 梯度算子
• 2.3 检测技术框架
• 2.3.1 运动目标检测的研究
• 2.3.2 阴影去除的研究
• 2.3.3 目标跟踪的研究
• 2.3.4 行为识别的研究
• 2.3.5 智能视频技术的要求
• 3 智能视频关键技术分析
• 3.1 运动目标检测算法
• 3.1.1 时域差分法
• 3.1.2 背景减除法
• 3.1.3 光流分析法
• 4背景模型的运动目标检测算法'>3.1.4 基于W⁴背景模型的运动目标检测算法
• 3.2 阴影去除算法
• 3.2.1 阴影的产生和特点
• 3.2.2 基于色度和亮度的阴影去除算法
• 3.3 运动目标跟踪算法
• 3.3.1 运动目标跟踪算法分析
• 3.3.2 基于Mean Shift的运动目标跟踪算法
• 3.4 基于人体轮廓的行为识别算法
• 4模型的运动目标检测'>4 基于CW⁴模型的运动目标检测
• 4背景模型'>4.1 初始化CW⁴背景模型
• 4背景模型'>4.2 更新CW⁴背景模型
• 4.3 检测运动目标
• 4.4 实验平台
• 4.5 实验结果及分析
• 5 阴影去除算法
• 5.1 阴影分析
• 5.2 基于颜色计算模型的阴影去除算法
• 5.2.1 颜色计算模型
• 5.2.2 去除阴影
• 5.3 基于背景除法模型的阴影去除算法
• 5.3.1 背景除法模型
• 5.3.2 去除阴影
• 5.4 实验结果及分析
• 6 简单行为识别
• 6.1 基于Mean Shift的目标跟踪
• 6.2 行为识别
• 6.2.1 行人姿势变换识别
• 6.2.2 行人奔跑行为识别
• 6.2.3 行人跨线识别
• 6.2.4 指定区域行人计数
• 6.3 实验结果及分析
• 7 总结与展望
• 7.1 总结
• 7.2 展望
• 参考文献
• 作者简历
• 学位论文数据集