监控系统下运动目标检测方法(开题报告).docVIP

本课题国内外状况，说明选题依据和意义 本课题的研究内容为热感应监控系统下的运动目标的检测方法。目前常用的运动目标检测方法有：帧差法、背景减法、光流法及运动能量法。随着科技的发展、社会的进步、人民生活水平的提高，团体和个人的安防意识都在不断增强，视频监控系统也就得到了越来越广泛的应用。目前，它已经广泛地应用于银行、博物馆、交通道路、商业、军事、公安、电力、厂矿、智能小区等系统和领域的安全监控、自动监控和远程监控中。监控系统的功能也从原来简单的对视频信号进行人工监视，系统多画面显示及硬盘录象类的简单功能，发展到利用计算机实现智能的运动检测和目标跟踪。 在监控系统中，运动目标的检测是其智能化程度的重要体现。一个能够克服外界干扰，从而清楚的检测到运动目标的算法，己经成为研究人员的共同研究目标。在外界的众多干扰中，尤其以光线的干扰为重。在对于、光线干扰的克服方面，大家进行了大量的研究，并且在不同程度上取得了一定的成就 ，但仍然存在着一些局限性，尤其在光线强烈变化的情况下。 研究的基本内容，你解决的主要问题 2.1 光流法 2.1.1 全局运动模型及参数估计[1] 为了满足视频监控和视频跟踪等应用需求，假设视场中存在着若干个运动物体。因此，选择四参数运动仿射模型描述全剧运动，即 （1） 为了估算出和这4个参数，选择用块匹配法计算获取全剧运动矢量观测值。整个参数估计算法步骤如下： （1）将每一帧图像划分成16*16的块，使用块匹配计算每一个块的运动矢量。 （2）将所有块的运动矢量归入数据估计集中。 （3）使用最小二乘法估计运动仿射模型的参数，使均方误差最小。 （4）使用运动仿射模型计算出运动矢量，并与块运动矢量计算二者的平均误差值。 （5）将块运动矢量中所有估计误差小于（4）中平均误差值的块标记为剔除块，从数据估计集中剔除。 （6）如果新的估计数据集中的数据与上次迭代的数据相同时，停止循环，否则转（3）。 2.1.2 基于全局运动补偿的Horn-Schunck算法[1] 先通过对全局运动进行补偿，然后采用Horn-Schunck算法进行迭代，计算出局部运动区域的矢量场。由全局运动模型可计算得到图像中每一点的全局运动矢量，假设由运动物体引起的局部运动矢量为，且初始化为0。进行补偿后，，根据Horn-Schunck算法的迭代方程（式（2）（3））进行迭代计算，能够较准确地计算出局部运动区域的矢量场。 ， （2） 。 （3） 得到运动目标的运动矢量场后，可以对矢量场图像进行分割以获得运动区域。首先由矢量场图像的均值确定阈值。然后对图像进行快速的阈值分割，得到初始的分割图像并对其进行中值滤波和闭运算。最后，由光流检测和形态滤波处理得到的运动目标区域，通过连通分量分析最终确定运动目标的位置。 2.2 相邻帧的减法 2.2.1 利用相邻帧和背景的运动对象检测算法思想[10] 首先，根据时间差分法的思想，计算输入视频序列中相邻两帧对应像素差，得到当前帧差图，基于统计的方法得到中的背景区域，进而计算出用于判断背景点的阈值，当前帧差亮度值与做比较生成当前帧掩膜；其次利用背景减法的思想，通过累积帧差掩膜信息得到背景帧序列B，将当前帧与背景帧相减得到背景帧差，背景帧差亮度值与做比较得到背景掩膜；由与生成运动对象掩膜，利用进行运动对象检测，为了消除检测噪声，提高检测精度，使用形态学的腐蚀、扩张处理方法。 2.2.2 确定判断背景点的阈值[10] 该文算法中阈值的确定分为两个步骤：首先，将当前相邻帧差图划分成若干个图像子块，根据每个子块的3阶中心矩大小确定出背景区域；然后根据背景区域符合高斯分布的特性来确定阈值。为了使阈值能够根据视频内容变化及时更新，本文采取定时(如每秒1次)更新的方式。 2.2.2.1 帧差图中背景区域的确定 将相邻帧差图从左到右，从上到下按空间顺序，分成若干个图像子块，每个子块大小为，差分子块包含背景子块和前景子块两种类型，背景子块中的随机噪声点符合高斯分布；在确定背景块时，本文首先用式(1)计算出相邻两帧对应位置的像素亮度差，然后根据统计学原理，利用式(2)和式(3)计算出帧差图中每个子块的三阶中心矩；最后根据三阶中心矩的取值确定每个子块是否具有高斯分布，并利用式(4)判定该块是否为背景块。 （1） 式（1）中、为当前帧及前一帧在位置处的像素亮度值。 （2） （3） 式（2）中为每个大小的自快内像素亮度差的平均值，式（3）求取每个子块帧差值的阶中心矩。在求取三阶中心矩时，将差分图像划分成或大小的方块。