智能視頻監(jiān)控中的目標檢測技術研究.pdf

1、圖像以及視頻中的目標檢測一直是計算機視覺研究領域的重點，也是智能視頻監(jiān)控系統(tǒng)中關鍵技術。本文的目標是通過對常見視頻監(jiān)控環(huán)境下的目標檢測算法的研究，獲得特定環(huán)境下實時、準確的目標檢測算法，為智能視頻監(jiān)控系統(tǒng)的上層應用提供重要的基礎支持。
　　 本文主要包含兩個模塊：
　　 （1）基于離線機器學習的目標檢測部分?；跈C器學習目標檢測通用做法是通過對某類目標大量樣本的學習獲得針對這類目標的分類器，然后利用這個分類器在圖像和視頻

2、中檢測該類目標。機器學習用于目標檢測的過程更類似于人類對外界環(huán)境的理解和認識的過程。在這一部分，主要研究離線學習條件下的目標檢測算法。簡要介紹兩種特征（Haar和HOG）的計算方法，介紹支持向量機（SVM）和Adaboost學習算法的基本原理。通過實驗具體分析Haar、HOG特征提取算法與SVM、Adaboost學習算法在特定監(jiān)控環(huán)境下的最佳組合問題，設計在該監(jiān)控環(huán)境下快速、準確的目標檢測系統(tǒng)。
　　 （2）基于背景建模的目標檢

3、測部分。在這一部分我們簡要介紹混合高斯模型（GMM）、碼書（Codebook）以及基于紋理的背景建模（LBP）算法的基本原理，通過實驗對比分析其適用的環(huán)境及其優(yōu)缺點。在這里結(jié)合混合高斯模型（GMM）和碼書（Codebook）背景模型算法框架，提出一種改進的背景建模算法。這種算法能夠如GMM一樣準確地估計像素點上采樣值的概率分布，同時能夠像Codebook算法一樣有較少的經(jīng)驗參數(shù)和實時高效的計算性能。由于傳統(tǒng)LBP編碼方法受噪聲干擾變化較

4、大，基于LBP編碼在每一位上應該等權的考慮，改變LBP編碼的方式，去掉按位加權這一步驟，直接利用其二進制編碼分析圖像的統(tǒng)計特性。提出了基于漢明距離度量下的直方圖統(tǒng)計方法，去除了人為的對二進制碼加權的步驟，提高了統(tǒng)計直方圖抗干擾的性能，從而能夠獲得更穩(wěn)定的匹配性能。
　　 最后，對全文做歸納總結(jié)。提出了離線學習和背景建模算相結(jié)合起來設計自動目標檢測系統(tǒng)的思路，以減少人工標注樣本的工作量，同時提高目標檢測系統(tǒng)的廣泛適應性。