浅析智能视频监控中目标识别差分算法.pdfVIP

●图像通信 浅析智能视频监控中的目标识别差分算法 叶斌崔兰兰 (成都市江汉路31号网管中心) 摘要：本文阐述了智能视频监控中运动目标检测的典型算法，介绍了光流法、基于统计、学习的算法、 Adaboost算法等，分析了差分目标检测算法的基本原理和算法流程，对背景差分算法进行了重点研究，该算法 在像素灰度分类的基础上建立背景模型，对背景采用帧和像素两级背景更新，检测出运动目标的同时，对运动 区域中阴影部分进行后期处理。实验结果显示，该算法在实用性和准确性两个维度上效果较好。 关键词：运动目标检测；背景更新；阴影检测前景检测 智能视频监控系统中智能化分析的过程主要 遮挡等因素，他们都对准确的运动检测带来了巨 由运动目标检测、目标分类、目标跟踪和行为理解 大的影响，导致运动检测成为一项相当困难的工 四个步骤组成，其中运动目标检测是其他环节的 作。所以，探寻能够从容应对复杂环境的各种变 基础。运动目标检测是从图像序列中将人们感兴 化，精确、快速而稳定地检测运动目标的算法成为 趣的运动目标从背景图像中分离出来，其分离结 当前亟待解决的课题。每一种算法都各有利弊， 果的效果，直接决定了目标分类、目标跟踪、行为 没有产生出一种可在多种场景中通用的算法，其 理解等后期处理的质量。现实环境中，由于背景 检测的难点主要在：背景(动态变化着的水波等) 图像会产生动态变化(如光照、天气、阴影以及背 的提取与更新、光线变化(渐变、突变、反光)问题、 景于扰等影响)，运动目标检测成其为一项非常困 阴影干扰、目标遮挡及目标运动过程不连续、速度 难的工作，因此，复杂场景下的运动目标检测成为 缓慢、往返运动等问题上。 智能视频监控领域研究的热点和难点，具有重要 近年来，业界对运动目标检测方法主要分为： 的研究价值和实际意义。 基于统计、学习的方法心J，Adaboost算法，背景差 分法、帧差分法，光流法等，这里先简要介绍基于 1目标检测算法概述 统计、学习的方法，Adaboost算法，光流法： 智能视频监控中遇到的首个问题就是提取图 1．1统计、学习的方法 像序列中感兴趣的部分，即前景，例如移动的人、 该类算法运用统计学的原理，对图像信息进 车辆或其他动物等，可以称为运动目标检测，而所 行大量的采样和分类，此类算法计算量巨大，抗干 谓运动目标检测就是检测视频序列图像中是否存 扰能力较强。缺点是：视频图像中运动的复杂性 在相对于整幅场景图像运动的物体，即去除背景 和不同性，致使该类算法难以采用一种统一的概 干扰，把运动对象检测出来，得到只包含感兴趣对 率分配模型来描述不同的运动，像素或像素组要 象的图像HJ。视频序列中的运动目标的检测问题 采用学习的方法遍历图像的所有位置，造成训练 涉及计算机图像处理、模式识别以及人工智能等 样本大，计算复杂，不适用于实时处理。 诸多领域，运动目标检测是后续各种高级处理 1．2 Adaboost算法 (如：目标跟踪、目标分类及行为分析等)的基石， Adaboost算法是目前研究领域里最新的技术 此后的处理过程仅仅需要考虑图像中对应的运动 算法，它无须时间机制的参与，只从瞬时图像信息 区域像素，因此运动检测的准确性至关重要。由 中就可提取出目标元素，实现实时的人脸、文本、 于监视场景中的任何运动都会在图像序列中体现 人机运动的跟踪、车辆聚类等检测任务。不足之 出来，这些运动包括：雨雪天气的变化、光照的变 处在于：该算法需