视频中的行人检测数字图像处理课程设计稿说明书.docVIP

目 录 目 录 I 摘 要 II 第 1 章 绪论 1 1.1 研究背景与意义 1 1.2 智能视频监控概述 2 1.2.1 智能视频监控的发展 2 1.2.2 智能视频监控的研究内容 3 1.3 行人检测与跟踪 3 1.3.1 行人检测 4 1.3.2 行人跟踪 4 1.4 国内外研究现状 4 1.5 论文主要研究内容与章节安排 6 第 2 章 视频序列图像中运动目标检测与跟踪方法 7 2.1 图像处理基础 7 2.1.1 颜色空间 7 2.1.2 图像预处理 10 2.1.3 形态学方法 10 2.2 运动目标检测方法 10 2.2.1 背景差分法 10 2.2.2光流法 11 2.2.3 边缘检测方法 12 2.3 运动目标跟踪方法 12 2.3.1 基于特征的跟踪方法 13 2.3.2 基于模型的跟踪方法 14 2.3.3 基于主动轮廓的跟踪方法 15 2.4 本章小结 16 三、设计内容 XVII 3.1背景减法运动目标检测 XVIII 3.2　阈值的选取 XX 3.3　形态学滤波 XXI 四、实验结果及分析 XXV 结束语 XXVII 摘 要 智能视频监控是计算机视觉领域新兴的研究方向，它通过对摄像机拍摄的视 频图像序列进行自动分析来对被监控场景中的事物变化进行定位、跟踪和识别， 并以此对相关目标的行为进行分析和判别，在实现了日常管理工作的同时又能对 目标的异常行为做出及时反应。行人目标检测与跟踪算法是智能视频监控系统中 的核心问题，研究相关算法对于提高智能视频监控系统的性能具有重要的意义。 本文在熟悉和掌握了有关数字图像处理原理和技术的基础上，分析对比了常 用的目标检测和跟踪方法，针对不同条件下的行人目标检测和跟踪进行了研究。 本文完成的主要研究工作如下： 1）针对运动摄像机跟踪行人所导致的背景运动与行人尺寸变化问题，提出 了一种综合应用梯度方向直方图和粒子滤波的行人跟踪算法。该方法以粒子滤波 为跟踪框架，利用改进的小型化梯度方向直方图方法实现了小尺度行人跟踪，并 根据其检测结果确定目标，不断修正粒子采样，有效实现了行人跟踪。仿真实验 结果表明,与传统的粒子滤波算法相比，该算法能够更加准确有效地跟踪动态背 景中尺寸变化的行人目标。 2）介绍了智能视频监控系统的重要应用——社会治安视频监控系统，在分 析其图像处理技术及架构后，针对实际监控条件与要求，完成了行人检测和跟踪 模块的设计，采用matlab平台和 OpenCV 算法库进行了图像提取和预处理、运 动目标分割、目标分类、目标特征提取、行人目标跟踪等部分的功能实现。实验 结果表明，本模块能够处理一般静态背景条件下的行人目标，满足了实际应用的 初步要求。 关键词：智能视频监控 行人检测 行人跟踪 粒子滤波 动态背景 梯度方 向直方图II 第 1 章 绪论 1.1 研究背景与意义 计算机视觉是计算机科学和人工智能的一个重要分支。它研究的主要内容包括怎样利用各种成像系统代替视觉器官来获取信息，由计算机代替大脑完成对信息的处理和解释．使计算机具有人一样的视觉功能。 智能视频监控技术是计算机视觉领域近年来新兴的一个研究方向，是模式识 别技术在视频监控领域的重要应用。智能视频监控的研究对象为监控视频中的行 人、车辆和其他物体。它通过对视频中的运动目标进行实时检测、跟踪和行为分 析，使得系统能够自动去除大量的非必要信息。通过分析视频图像中目标的运动 行为，它可以为实时的监控和预警提供更为有效的信息。 智能视频监控技术将计算机视觉同网络化的视频监控结合起来，增强了系统 的智能化自动处理能力，从而极大地减少主观干扰，增强监控效果，在减轻了相 关人员的工作量的同时，对视频监控场景中的目标实现了自动实时的检测、跟踪、 识别与分析等功能。智能视频监控技术可用于安防监控、智能交通、医院护理等 众多方面，具有重要的研究意义和美好的应用前景。当前较多的应用主要集中在 以下几个方面:行人和车辆目标的自动检测、跟踪和识别，目标异常行为预警， 敏感场所的异常物体滞留以及物品丢失，人流量估计、人群运动监测及拥塞控制， 行人和车辆的交通流量监测等。 作为当前视频监控系统发展的必然方向，近年来智能视频监控相关技术的研 发受到一些发达国家的重视，其商业化应用也得到了很大的发展。尤其在 2001 年美国 9.11 事件及 2005 年英国 7．7 伦敦地铁爆炸案等恐怖暴力事件的发生后，出于对反恐、社会安定、国家公共安全等多方面的考虑，世界各国更是都高度重视如何在重要、敏感的安全相关部门和拥有很大人流量的公共场合实现 24 小时自动化实时的监测，智能视频监控成为了国际上最被关注的前沿研究领域之一。考虑到监控场景中行人是作为主要目标,因而行人行为分析作为智