学位论文 > 优秀研究生学位论文题录展示

基于直方图和混合高斯模型的摄像机移动检测

作　者: 徐璐
导　师: 胡福乔
学　校: 上海交通大学
专　业: 模式识别与智能系统
关键词: 智能监控摄像机干扰检测直方图混合高斯模型跟踪算法实时性鲁棒性
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 51次
引　用: 3次
阅　读: 论文下载

内容摘要

近年来,视频监控系统在安全领域和军事应用中获得了越来越多的重视。由于视频监控系统的广泛应用,需要监控与处理的数据量日益增加,纯粹靠人来对这些数据进行处理已不可能。因此,需要一个可以对场景中的与安全相关的突发事件进行自动报警的智能监控系统。本文提出一个能对监控摄像机被故意移动或干扰进行自动报警的智能监控系统。在此文中定义摄像机故意移动或干扰是指摄像机镜头被遮挡、白屏或黑屏、场景过曝光或曝光不足、镜头变焦和摄像机被移动或转动,从图像上定义就是图像的某些特性(颜色、纹理、边缘等)发生了变化,并持续了一段时间。对于一个安全性要求较高的智能监控系统而言,上述异常情况检测需要解决三个问题:一、算法要有很好的实时性;二、算法要有较高的准确性,误报率和漏报率要低;三、算法要有很好的鲁棒性。本文对视频监控系统中的摄像机故意移动或干扰检测问题作了深入的研究,参考大量国内外的参考文献,在详细研究比较了各种检测算法的优劣后,研究并提出了一套异常情况检测的逻辑规则。运用这套逻辑规则,可以很好的解决将异常情况和正常情况区分开来的问题。文章首先提出背景相减的基本思路,接着根据基于直方图的不同特性来计算图像的差异性,通过建立长、短缓冲区来存储图像帧,这个算法计算量大不能检测出所有异常情况。为了提高检测的精确度,加入了混合高斯背景建模来进行运动目标的检测,从而区分背景和前景。本文对于混合高斯模型的参数初始化、参数更新、场景背景选择与运动前景检测进行了详细的讨论。在实时性和准确性都得到提高的同时,考虑到系统的鲁棒性,又用到了跟踪算法。大量实验结果表明,本文提出的基于直方图和混合高斯模型的摄像机移动检测算法不仅具有非常高的实时性,同时对于背景和前景区分,以及场景中存在的动态问题有很好的鲁棒性,可以应用于对实时性和准确性要求较高的视频监控系统中。

全文目录

摘要  5-7
ABSTRACT  7-10
第一章绪论  10-15
  1.1 概述  10-11
  1.2 摄像机移动检测研究现状及问题分析  11-13
  1.3 本文主要研究内容及结构安排  13-15
第二章基于直方图的干扰检测  15-22
  2.1 概述  15
  2.2 场景变换检测常用方法  15-17
    2.2.1 模板匹配  15-16
    2.2.2 颜色直方图匹配  16-17
  2.3 基于多种直方图匹配方法的检测  17-19
    2.3.1 颜色直方图的差异性  17-18
    2.3.2 L1R 直方图的差异性  18
    2.3.3 梯度方向直方图的差异性  18-19
  2.4 基于直方图的检测流程及分析  19-22
第三章基于混合高斯模型的干扰检测  22-42
  3.1 概述  22
  3.2 EM 算法基本原理  22-24
  3.3 混合高斯背景模型参数估计  24-31
  3.4 单高斯背景模型典型算法  31-33
  3.5 混合高斯背景模型典型算法  33-40
    3.5.1 混合高斯模型的参数初始化  34-35
    3.5.2 混合高斯模型的参数更新  35-36
    3.5.3 场景背景的选取  36-37
    3.5.4 运动前景检测  37-38
    3.5.5 高斯模型比较与选择  38-40
  3.6 实验分析及混合高斯检测流程  40-42
第四章基于跟踪算法的干扰检测  42-50
  4.1 运动目标跟踪算法介绍  42-44
  4.2 基于Kalman 滤波的运动目标跟踪  44-50
    4.2.1 Kalman 滤波基本原理  45-48
    4.2.2 Kalman 滤波器在运动目标跟踪中的应用  48-50
第五章实验结果及分析  50-56
  5.1 实验结果  50-54
  5.2 结果分析  54-56
第六章总结与展望  56-57
  6.1 工作总结  56
  6.2 研究展望  56-57
参考文献  57-60
致谢  60-61
攻读硕士学位期间已发表或录用的论文  61

基于直方图和混合高斯模型的摄像机移动检测

内容摘要

全文目录

相似论文