智能数字视频监控系统中的若干关键算法研究

论文摘要

近年来,视频监控以其直观、方便和内容丰富等特点,日益受到人们的青睐。本文主要对其若干若干关键算法进行了研究,并且针对目前目标检测及跟踪技术中存在的目标自动提取问题、跟踪过程中大面积相近颜色干扰问题,设计并实现了复杂动态变化背景下具有智能监测功能的实时数字视频监控解决方案。论文的具体工作如下:1.利用VC++提供的VFW（Video for Windows）函数库,开发了基于Windows的视频捕获应用程序,实现了实时视频图像捕获;并在分析AVI文件格式的基础上,实现了AVI视频数据流的逐帧分解。这两个工作的完成解决了整个视频监控的输入,即不仅能够处理事先存储下来的图像数据,而且能够实时的捕获图像信息。基于云台控制原理,使用Windows系统提供的应用程序接口（API）,通过串口通信,利用PELCO-P云台控制协议实现了对云台的控制。2.在分析各种运动目标检测算法的基础上,利用边缘信息实现了基于Canny边缘算子的改进运动目标检测,并提出疏密判断方法解决了运动目标边缘图像中存在着残余背景的问题。基于数学形态学处理方法,提出了运动目标的自适应分割,为后续的跟踪奠定了基础。3.利用基于改进直方图映射算法的目标特征描述以及基于均值移位算法的目标定位,根据目标颜色概率分布的变换情况自适应调整搜索窗口的大小来适应动态需要,实现了目标的快速跟踪。4.针对可能出现的大面积相近颜色干扰以及目标模型运动速度加快导致跟踪丢失等现象,利用Kalman滤波对运动物体做预测,利用实际的运动参数不断修正未来运动状态的估计值,增大搜索窗口与目标联结的可能性,提高了跟踪的可靠性。从大量的实验结果来看,此智能数字视频监控系统具有较好的检测以及跟踪效果,同时也能兼顾实时性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• §1.1 研究的目的和意义
• §1.2 当前研究的主要成果及存在问题
• 1.2.1 研究现状
• 1.2.1.1 运动目标检测和提取
• 1.2.1.2 运动目标跟踪
• 1.2.2 存在的问题
• §1.3 研究内容及工作安排
• 第二章 系统总体设计及辅助模块处理
• §2.1 智能视频监控系统总体设计
• 2.1.1 智能监控系统监控场景描述
• 2.1.2 智能视频监控系统设计
• §2.2 摄像机及视频采集与分离模块
• 2.2.1 图像获取
• 2.2.2 视频图像分析
• 2.2.2.1 实时视频图像捕获
• 2.2.2.2 AVI视频文件分解
• §2.3 图像前端处理模块
• 2.3.1 RGB图像向灰度图像的转换
• 2.3.2 基于小波变换的图像亚采样
• 2.3.3 图像增强
• 2.3.3.1 常用图像增强算法
• 2.3.3.2 直方图均衡化法
• §2.4 云台控制模块
• 2.4.1 云台控制原理
• 2.4.2 串口通信控制
• 2.4.3 云台控制协议
• §2.5 本章小节
• 第三章 视频序列中运动目标检测和提取
• §3.1 引言
• §3.2 运动目标检测技术概述
• 3.2.1 光流法
• 3.2.2 相邻帧差法
• 3.2.3 背景差法
• 3.2.4 其它方法
• 3.2.4.1 基于变化域的方法
• 3.2.4.2 基于形态学分析的方法
• 3.2.4.3 基于匹配的方法
• 3.2.4.4 基于时空信息的视频分割算法
• §3.3 基于边缘信息的改进运动目标检测方法
• 3.3.1 图像的边缘检测
• 3.3.1.1 微分边缘算子
• 3.3.1.2 其他边缘检测方法
• 3.3.2 基于Canny边缘提取的运动目标检测
• 3.3.2.1 获取背景边缘图像
• 3.3.2.2 获取目标边缘图像
• §3.4 后处理以及目标轮廓提取
• 3.4.1 后处理预备知识:数学形态学
• 3.4.2 疏密判断去除背景点
• 3.4.3 提取运动目标模型
• 3.4.3.1 形态学处理提取目标轮廓
• 3.4.3.2 运动目标模型提取
• §3.5 本章小节
• 第四章 视频序列中运动目标自动跟踪
• §4.1 引言
• §4.2 目标跟踪技术概述
• 4.2.1 目标跟踪的分类
• 4.2.2 目标跟踪技术
• 4.2.2.1 基于特征的跟踪方法
• 4.2.2.2 基于3D的跟踪方法
• 4.2.2.3 基于主动轮廓的跟踪方法
• 4.2.2.4 基于运动估计的跟踪方法
• §4.3 基于改进Camshift的运动目标跟踪算法
• 4.3.1 基于直方图映射的目标特征描述
• 4.3.1.1 颜色空间
• 4.3.1.2 直方图映射算法
• 4.3.2 基于均值移位（Mean-shift）算法的目标定位
• 4.3.2.1 算法原理
• 4.3.2.2 算法流程
• 4.3.3 基于改进Camshift算法的运动目标跟踪
• 4.3.4 实验及结果分析
• §4.4 Kalman滤波器在目标跟踪算法中的应用
• 4.4.1 标准Kalman滤波器
• 4.4.1.1 待估计的离散线性过程
• 4.4.1.2 滤波器原理
• 4.4.1.3 滤波器方程
• 4.4.1.4 滤波器参数
• 4.4.2 Kalman滤波器在本目标跟踪系统中的应用
• 4.4.3 实验结果与分析
• §4.5 本章小节
• 第五章 总结及展望
• 致谢
• 参考文献
• 攻读硕士期间发表的论文