视频序列中运动目标检测和阴影去除算法分析-analysis of moving object detection and shadow removal algorithms in video sequences.docxVIP

第一章绪论1.1课题的研究背景和意义计算机视觉是计算科学与人工智能中的一个热点研究领域。据分析统计，人类所获得的信息大约有70%是来源于视觉[1]。视觉的最大特征就是不会与被观察对象有任何直接接触，因此更能体现被观察者最真实的一面，同时又不会对观测与被观测者产生不利的损伤。计算机视觉的主要目的是由计算机来替代人脑完成对现实世界信息的处理，希望计算机能和人类一样分析、理解视频图像的内容，实现对运动目标的识别、精确定位和判别。在现实生活中，人们总是对运动中的物体和目标比较感兴趣，因此视觉信息中运动的物体和目标含有更多的对人们有意义的信息。比如人流量大的广场，川流不息的车流，环境复杂的商场……在这些场景中，为了安全要求通常安置监控摄像头，安排人力来具体监视检测，这就要求监控人员在大量的摄像头面前持续监视屏幕，从获取的大量视频信息中分析、做出决策，然而人为的限制因素会存在监控产生误报、漏报现象多、录像存储量大、分析困难等难题。随着监控的领域日益广泛和难度加大，这时如果让计算机主动视觉系统在一定程度上实现人类的监视检测，能分辨出我们感兴趣的运动物体，并对其进行分析和理解，其意义是非常重大深远的。计算机视觉技术借助计算机强大的数据处理功能，对视频画面中的海量数据进行高速分析，过滤掉用户不关心的信息，仅仅为监控者提供具有一定工作意义的关键信息，甚至代替监控者针对监控场景中发生的行为给出具有一定社会意义的反应动作。比如监控小区中出现可疑人物时，系统能自动准确及时的向保安发出警报，从而减少犯罪的发生和人们的损失，变被动监控为主动监控。智能视频监控系统根据具体条件对摄像头拍摄的视频序列来找出运动信息，从背景中检测出运动物体、跟踪、识别，继而分析判断运动目标的行为，在完成日常监管的同时，又可以当异常发生时能做出相应及时反应。所以提取出视频序列中运动物体比如行走的人、移动的车辆即运动前景是设计监控系统的关键。这种技术可以称为运动目标检测技术，就是检测从摄像头中获取的视频序列是否存在人们感兴趣对象的运动物体，把运动目标（运动前景）分割出来成为独立目标，并对这些运动目标进行语义上的判断，对不同的运动目标进行有针对性的处理。所以运动目标检测是否准确及时，对整个智能视频监控系统后续处理至关重要，然而监控场景中总是存在干扰因素，例如光照的变化、雨雪天气的影响、不同物体的阴影干扰等，使得运动目标检测一直是计算机视觉研究的难点和重点，因此视频序列中运动目标检测和阴影检测算法的研究无疑是一项有理论意义又有实际应用价值的课题。1.2课题研究现状计算机视觉中的运动目标检测技术在科学理论研究和工程实践应用中有广阔的前景[2]。在工业领域，可以用在工业控制、人工智能等方面；在军事领域可用在战场侦察、武器控制、导弹动态测量、机载前视图像的目标检测；在医学上，可以用在生物组织运动分析等方面；在安全控制领域，可用于社区治安管理、商场安全防范、交通运输管理等方面。因此，在运动目标检测的研究在国内和国际上一直是比较热门的课题。比较有代表性的研究包括：卡内基梅隆大学联合麻省理工学院等美国十几家高等院校参与的视频监控重大项目（VSAM，VisualSurveillanceandMonitoring）[3]，主要为战场监控等应用场景开发一种自动的视频理解和处理技术，以实现战争中人力监控费用昂贵、或者因环境危险人力无法到达等场合下的监控。美国EMW公司推出的IVM智能视频监控系统运用先进的视频图像处理技术，能够实时、自动地监视、识别、跟踪在摄像机画面内发生的潜在威胁事件，并能够进一步地侦测多种事件和行为[4]。英国雷丁大学（UniversityofReading）已开展对车辆和行人的跟踪及交互作用识别的相关研究[5]，开发了车辆交通监控原型系统。美国马里兰大学（UniversityMaryland）开发了实时监控系统[6]（W4，What，Where，When，Who），可以在视频中定位和分割出人体，还能实现多人的跟踪，检测到人是否携带物体。佛罗里达中央大学（UniversityofCentralFlorida）研发的KNIGHT智能监控系统[7]能够识别重要事件，还能描述人的行为。IBM与Microsoft等公司也正逐步将基于视觉的手势识别接口应用于商业领域中[8]。在国内的相关研究机构中，中科院自动化研究所模式识别实验室的视觉监控小组设计开发了一套交通监控系统（VSTAR，VisualSurveillanceStar），该系统能够实时地检测、跟踪车辆，能对光照的变化、边界遮挡等具有一定的鲁棒性。西安交通大学图像处理与识别研究所、华中理工大学图像识别与人工智能研究所等在运动目标检测上做了大量的研究工作。清华大学图形图像研究所对视频运动跟踪的轮廓跟踪算法进行了相关研究。同时商网通电子商务有限