多摄像机运动目标检测与分析研究-电子与通信工程专业论文.docxVIP

万方数据 万方数据 A Dissertation Submitted for the Degree of Master Research on Moving Object Detection and Analysis Cross Multi-camera By Zhang Ying Hefei University of Technology Hefei, Anhui, P.R.China March, 2014 55 致谢 致 谢 时光如白驹过隙，转眼间三年的研究生生活即将告一段落。回首过去，三年 的学习生活既让我获得了丰富的理论知识，又提高了我的专业技能和科研能力， 同时也让我收获到珍贵的友情和爱情。在此，谨让我对所有给予关心和帮助的老 师、同学、朋友和亲人表示衷心的感谢和诚挚的祝福。 感谢我的导师蒋建国教授对我孜孜不倦的教诲，感谢三年来给予我的悉心指 导和帮助。蒋老师知识渊博、师德高尚，让我深深敬佩，而严谨的治学态度，精 益求精的学术风格更是我学习的楷模，蒋老师对我的谆谆教诲和关怀也让我倍受 鼓舞。在此，再次向蒋老师致以最衷心的感谢！ 感谢齐美彬教授，本课题的选题以及研究过程都得到了齐老师的悉心指导， 并且在我遇到困难时多次为我指点迷津、开拓思路。没有齐老师的指导、关怀和 督促，就不可能有本论文的顺利完成。齐老师同时也是许多科研项目的直接负责 人，在科研工作中细致严谨、精益求精的治学态度也是我学习的榜样。 感谢蔡志祥师兄、顾占冰师兄和周云师姐，他们在我研究生学习伊始阶段给 了我热情的指导和帮助，在学习道路上起到了很好的表率。 感谢我的室友张俊杰、黄井强、刘睿，感谢实验室同学金玉龙、王方方、王 玉影、陈秀丽、但德东、李俊、余登超、胡志鹏以及所有的师弟师妹师兄师姐， 很荣幸与你们相识，感谢在你们的陪伴下度过了研究生生涯中许多快乐而美好的 时光。 衷心感谢我的父母和亲人，他们无时无刻不惦记着我，给予我无微不至的关 怀和爱护，感谢我的女朋友在背后默默的支持和理解。 最后感谢百忙之中抽出时间为我们答辩付出辛勤劳动的老师们，十分感谢您 们对我论文的审阅并提出修改意见。 作者：张滢 2014 年 2 月 28 日 I 摘要 摘 要 近年来随着智能视频监控技术的飞速发展，多摄像机协作的视频监控系统因 为其监控范围广、观测角度宽和捕捉信息全等优点，被越来越多的应用在各种监 控场所，引起研究学者的普遍关注。单摄像机视域内目标检测和匹配算法已日臻 成熟，但是由于多摄像机视域内光照变化、色度差异以及位置信息的不同，这些 算法很难成功的移植到多摄像机监控网络中去。多摄像机拓扑关系估计可以为目 标在多摄像机视域内的活动分析提供必要的信息，所以对多摄像机视域时空关联 性进行研究具有重要理论意义和应用价值。 本文针对多摄像机智能监控网络中运动目标检测和活动分析的一些主要问题 进行研究，论文的主要工作如下： 在单摄像机视域内运动目标检测方面，针对典型混合高斯背景建模过程中存 在的一些问题：背景模型初始化易受反复出现的前景目标影响，模型更新过程中 存在不必要的更新以及前景检测会因为方差过度收敛而造成误检。本文分别提出 了改进算法：在背景模型初始化过程中采用二次均值筛选方法去除掉与背景相差 较大的前景干扰，而在模型更新阶段则建立延迟更新条件来确保替换进来的高斯 分布是稳定的背景高斯分布，最后针对前景检测算法则引入了补偿阈值避免因为 高斯分布方差过度收敛造成的误检。实验结果表明，本文提出的算法能够有效的 解决典型混合高斯背景建模存在的问题，具有良好的鲁棒性，能够准确的检测出 运动目标。 在多摄像机网络拓扑关系估计和目标匹配方面，由于采用传统的基于跟踪的 目标活动分析法，会因为跟踪轨迹混乱等问题导致运动目标活动分析的不准确。 本文根据多摄像机视域内目标的空间距离和运动模式相似性将摄像机视域划分为 若干语义区域，然后利用核典型相关分析(KCCA)对这些区域进行相关性分析，进 而估计各语义区域、摄像机之间的时间和空间相关性。多摄像机间的目标匹配则 利用这些时空相关信息来减少运算量和排除虚假目标，以提高匹配正确率。实验 表明本文方法能够准确的划分语义区域并获得它们之间的相关性信息，进而正确 建立多摄像机网络拓扑关系，有效提高了多摄像机间目标匹配的准确性。 关键词：运动目标检测；混合高斯模型；语义区域分割；KCCA II A ABSTRACT With the rapid development of intelligent video surveillance technology in recent years, the video surveillance system which based on the multi-camera is more and m