目标监控的实时检测与跟踪.docxVIP

目标监控的实时检测与跟踪 Target Detection in Real-Time Monitoring and Tracking Wei Xiaoqiang ,Tian Liping (Luoyang Normal University,Luoyang400047,China;2.Luoyang University of Technology,Luoyang400047,China ) :The main task of the dissertation is the whole studying of the multi-features detection methods aiming at multi-surveillance objects.By analyzing objects behaviors in Video sequences it should define a set of criteria for events,which deviate from normal.The system automatically extracted several simple features from the objects in their entire presence in the scene.A combination of the low level features did contain sufficient information to make a decision if the abnormal event has occurred. Keywords:Video Monitor;Multi-surveillance Objects;Motion Detection 一、前言 在一些场所中广泛采用以数字式电视为核心的监控系统， 这 类系统通常是由众多摄像机组成， 摄像机把视频信息传回到监控 中心存储起来且在视频监视墙上实时显示。 然而监控员要面对众 多监控画面， 对所有正在发生的事件既要发现又要做出判断， 以 及还要查询以前纪录等等。本文将探究自动侦测显著事件的建 模，通过完整记录可疑目标的行为， 有可能为此类事件定义一套 标准，在这些之前， 我们必须要清楚理解在视频段中有何种特征 和特点的事件可以定义为该事件，在场景中怎样区分此类事件。 分析监测数据，即使不知道时间，地点，或者不知道显著事件已 经发生，也能进行和实施。并且是实时的。而本文这套系统，它 能自动的适应不同的环境， 并且使用自学习的技术去自动在任一 特定运行环境下， 去学习目标的特定的行为和方式。 系统在初步 运行 40 分钟后，以便学习各种特定的视频模式，能实时的监控 显著事件。这种系统可以用一种适应性较强的且简单的算法去寻 找显著事件的位置点， 并且在复杂环境中追踪多重目标， 它从被 监控目标的特征中可以获得足够的信息量， 这种系统分析视频流 且如果这些特性符合预先设定的这些要求时，可以发出警示。 二、系统组成 （一）系统概述。图 1 略述了这个系统模块：这种技术使用 了许多简单的特征， 它们可以自动从若干帧图像中提取， 开始是 一种低层次特征提取。 这些视频被分成相同长度段， 并且所提取 的特征为原型， 通过这些原型去计算事件矩阵， 且不需要去构建 复杂数学模型。 一个人把一个事件与其它事件作比较， 以便决定 有多少相类似。 总的目标是去获取简单且可靠的特征， 它被用来 在一个无人监控算法下在大量数据设备中去发现重要的影像， 以 便侦测显著事件。 图 1：系统框图 （二）背景估计。在一段视频中追踪任何运动的物体，必须 从背景中将其提取出来， 在这个系统中， 为了估算出需要考虑的 背景，和多余的背景， 必须从视频资料中提取出若干帧的视频进 行估计背景。背景估计的输出为两个变量：估计背景图像（像素 的强度均值）和每个像素标准偏离差。 （三）目标跟踪。为了在场景中检测出移动的目标，每一帧 减去平均背景图像， 这个处理结果可得到包含一个或多个的显著 目标的图像。 把得到的二值化处理。 这些都通过标准离差和开始 的置信水平进行处理。 接下来每一帧画面都要经过一个形态学的 滤波步骤， 由于同样存在噪声因素的影响， 初次分割得到的二值 化图像结果内部会存在分散的小块，而外部会存在小的噪声区 域，目标区域形状不完整，所以需要进一步的后处理，以得到归 整的二值化目标区域图像。 数学形态学对于二值化图像具有较好 的处理能力， 其中， 形态学闭运算具有的二值图像填充和滤波能 力，因此采用形态学闭运算，进行滤波处理。由于实时性要求， 所以这里都采用了相对较小的结构元素来处理，以提高运算速 度。 图 2：目标二值化和形态学滤波 （四）特征采集。图