视频监控中运动目标的检测、分类识别与跟踪

《视频监控中运动目标的检测、分类识别与跟踪》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号TN391.4密级视频监控中运动目标的检测、分类识别与跟踪研究生姓名：刘丽红指导教师姓名、职称：曾志高副教授学科专业：计算机应用技术研究方向：图像处理湖南工业大学二O一六年六月五日分类号TN391.4密级视频监控中运动目标的检测、分类识别与跟踪Detection,ClassificationandTrackingofmovingobjectsinvideosurveillance研究生姓名：刘丽红指导教师姓名、职称：曾志高副教授学科专业：计算机应用技术研究方向：图像处理湖南工业大学二O一六年六月五日湖南工业大学学位论文原创性声明本人郑重声明：所呈交的学

2、位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。湖南工业大学论文版权使用授权书本人了解湖南工业大学有关保留、使用学位论文的规定，即：学校有权保留学位论文，允许学位论文被查阅和借阅；学校可以公布学位论文的全部或部分内容，可以采用复印、缩印或其他手段保存学位论文；学校可根据国家或湖南省有关部门规定送交学位论文。摘要随着时代的进步和发展，人们对社会安全问题越来越重视

3、。视频监控在其中发挥了重要的作用。随着计算机技术和硬件技术的不断发展更新，为视频监控技术的智能化发展提供了充分的硬件平台和技术支持。而对视频中的运动目标进行检测和分析是智能监控的关键技术之一。在实际生活中，视频中大部分有意义的信息都包含在运动目标当中，而智能视频监控就是希望通过计算机来完成运动信息的处理。本文对智能视频系统中的三个部分作了相关研究，包括运动目标的检测技术、运动目标的跟踪技术和运动目标的分类识别技术。对各部分进行研究的主要内容如下：1．针对自适应混合高斯背景建模学习较慢的问题，本文提出了一种新的学习因子，该学习因子的学习速率随着权重的变化而变化

4、。通过实验对比，证明了该学习因子能够加快均值和方差的学习。由于检测出来的目标存在阴影，本文阴影在HSV(Hue，H；Saturation,S;value,V)空间的特点，提出了一个基于自适应混合高斯模型的阴影检测方法。该检测方法是通过对S、V分量的控制实现阴影检测。通过实验对比，证明该检测模型的时间消耗相对较少且能够有效的消去目标存在的阴影。2．为了能够更为准确的提取出目标特征，提出了一个加权“均值”，采用该“均值”替代其核Fisher判别分析中的类样本均值进行目标分类识别。该“均值”是对每类的每一幅图像进行加权平均，随着每类图像的不断输入权重不断减小。采用

5、该算法进行了两组对比实验，实验一是对视频中的运动目标进行分类识别，实验二是对人脸进行识别。经实验证明该算法能够快速且准确的识别出目标。3．针对传统方法中阈值需要根据不同的背景不断调整的情况，提出了一种自适应的阈值与Kalman滤波相结合的跟踪方法。该阈值通过对每幅图像进行列平均之后排序，取其中的中间值的0.35倍作为背景差的阈值。采用该阈值与Kalman滤波的结合能够较好的跟踪运动目标。关键词:运动目标，目标检测，高斯模型，阴影检测，分类识别，目标跟踪IABSTRACTAsthetimesprogressandsocietyadvances,peoplepa

6、ymoreandmoreattentiontotheissueofsocialsecurity.Videomonitoringplaysanimportantroleonsocialsecurity.Withthecontinuesdevelopmentandupdateofthecomputertechnologyandthehardwaretechnologythatprovidesafullhardwareplatformandtechnicalsupportoftheintelligentdevelopmentofthevideosurveillan

7、cetechnology.Detectionandanalysisofmovingobjectsinvideoisoneofthekeytechnologiesofintelligentvideotechnology.Inreallife,mostofthemeaningfulinformationinthevideoisincludedinthemovingtarget.Intelligentvideosurveillanceisthehopethatthroughthecomputertocompletetheprocessingofmotioninfo

8、rmation.Inthispaper,thethr