1、使用授权说明本人完全了解 大学关于收集、保存、使用毕业设计(论文)的规定,即:按照学校要求提交毕业设计(论文)的印刷本和电子版本;学校有权保存毕业设计(论文)的印刷本和电子版,并提供目录检索与阅览服务;学校可以采用影印、缩印、数字化或其它复制手段保存论文;在不以赢利为目的前提下,学校可以公布论文的部分或全部内容。作者签名: 日 期:学位论文原创性声明本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声
2、明的法律后果由本人承担。 日期: 年 月 日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权 大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。涉密论文按学校规定处理。导师签名: 日期:注 意 事 项1.设计(论文)的内容包括:1)封面(按教务处制定的标准封面格式制作)2)原创性声明3)中文摘要(300字左右)、关键词4)外文摘要、关键词 5)目次页(附件不统一编入)6)论文主体部分:引言(或绪论)、正文、结论
3、7)参考文献8)致谢9)附录(对论文支持必要时)2.论文字数要求:理工类设计(论文)正文字数不少于1万字(不包括图纸、程序清单等),文科类论文正文字数不少于1.2万字。3.附件包括:任务书、开题报告、外文译文、译文原文(复印件)。4.文字、图表要求:1)文字通顺,语言流畅,书写字迹工整,打印字体及大小符合要求,无错别字,不准请他人代写2)工程设计类题目的图纸,要求部分用尺规绘制,部分用计算机绘制,所有图纸应符合国家技术标准规范。图表整洁,布局合理,文字注释必须使用工程字书写,不准用徒手画3)毕业论文须用A4单面打印,论文50页以上的双面打印4)图表应绘制于无格子的页面上5)软件工程类课题应有程
4、序清单,并提供电子文档5.装订顺序1)设计(论文)2)附件:按照任务书、开题报告、外文译文、译文原文(复印件)次序装订目 录摘 要 II一、绪论 11.1 研究背景与意义 11.2 智能视频监控概述 21.2.1 智能视频监控的发展 21.2.2 智能视频监控的研究内容 31.3 行人检测与跟踪 31.3.1 行人检测 31.3.2 行人跟踪 4二、设计原理 52.1 图像处理基础 52.1.1 颜色空间 52.1.2 图像预处理 72.1.3 形态学方法 72.2 运动目标检测方法 82.2.1 背景差分法 82.2.2光流法 92.2.3边缘检测方法 102.4 本章小结 10三、设计内容
5、 113.1背景减法运动目标检测 113.2阈值的选取 113.3形态学滤波 123.4设计方案流程图 14四、实验结果分析及总结 164.1试验结果 164.2实验结果分析 16五、参考文献 17致谢 18附录 19摘 要智能视频监控是计算机视觉领域新兴的研究方向,它通过对摄像机拍摄的视频图像序列进行自动分析来对被监控场景中的事物变化进行定位、跟踪和识别,并以此对相关目标的行为进行分析和判别,在实现了日常管理工作的同时又能对目标的异常行为做出及时反应。行人目标检测与跟踪算法是智能视频监控系统中的核心问题,研究相关算法对于提高智能视频监控系统的性能具有重要的意义。本文在熟悉和掌握了有关数字图像
6、处理原理和技术的基础上,分析对比了常用的目标检测和跟踪方法,针对不同条件下的行人目标检测和跟踪进行了研究。本文完成的主要研究工作是对监控视频中行人目标的检测,为以后的行人跟踪和行人行为的分析打下基础。本设计以Matlab为平台,利用背景减法,和形态学滤波的方法检测视频中的行人。实验结果表明,本模块能够检测一般静态背景条件下的行人目标,满足了实际应用的初步要求。关键词:视频监控、行人检测、背景减法、形态学滤波一、绪论1.1 研究背景与意义近年来,计算机视觉领域飞速发展。俗话说:“百闻不如一见”,人类从外界获得的信息中80是通过视觉得到的,所以人类渴望让机器(如计算机)拥有视觉并自动对看到的行为进
7、行分析。随着这一领域的不断进步,人们开始把研究成果运用到民生安全、医疗诊断、文档分析、天文气象、制造业等方面,逐步形成智能视频监控、人体运动分析、神经生物学、高级感知接口等热门研究课题。智能视频监控的核心内容是智能识别算法,包括运动检测、目标分类、目标跟踪、行为分析四部分。对行人快速而准确的检测和跟踪属于智能视频监控系统的前端工作,会直接影响后续工作以至整个系统的性能。具体来说,它是指在一段视频图像序列中自动的检测出用户感兴趣的目标,并且在后续的序列中持续对该目标进行定位的过程。智能视频监控中的行人检测和跟踪技术可应用到众多领域:(1)智能交通:随着城市化阵容的扩大,提高交通系统的智能化运作、
8、管理等能力已经变成管理人员的重要任务,同时,也给计算机视觉、人工智能等研究领域提供了一个重大发展机遇。我们可采用智能算法自动对监控视频中的车辆进行检测和跟踪,并根据需要计算车辆行驶速度、车辆位置信息等,从而及时对交通道路上的违章行为或交通事故进行自动检测并报警。(2)民用监控16J:主要针对于银行、公园、居民区、广场、大型购物超市、储物仓库等高安全要求的场合地点。在民生安全、民生监控等方面使用行人的检测和跟踪技术实时地检测行人,并后续分析大规模抢劫、聚集、盗窃等异常行为。因为行人是很多监控场景中的主要目标,所以对行人的检测和跟踪得到了研究人员的密切关注。(3)智能家庭:主要针对私人家庭中,借助
9、行人检测、跟踪、面部识别等技术,自动感知家庭区域中人体的存在,继而分析检测到的目标行为。当家中有老人不小心摔倒或发生其他意外时,系统能自动拨打已经存入的电话号码通知家人及时施救;或者当家人外出时有外人突然闯入,系统能自动报警通知相关人员采取措施。综上,智能视频监控系统凭借其强大的智能性、全天候性,不仅减少了监控人员的劳动量,而且提高了危险时报警的速度和准确度,正被逐步应用于交通、园区、商场、酒店、银行、储物仓库等高安全要求的场合地点。而视频中行人的检测则是只能视频监控的基础,本文主要论述静止背景下行人目标的检测。1.2 智能视频监控概述1.2.1 智能视频监控的发展智能视频监控是在传统的视频监
10、控基础上发展起来的。传统的视频监控自投入应用已有数十年,其发展经历了三个时代。第一代:模拟时代。上个世纪末以前,初始的视频监控以模拟式磁带录像机为代表。此时的视频监控存储量大,信息检索和查询相对困难。第二代:数字时代。进入 21 世纪后,随着数字视频压缩编码技术的产生和发展,数字式视频录像机投入使用。数字化存储极大增强了对视频信息的处理效率,事后的信息检索也变得相对简单。第三代:网络时代。从 2004 年开始,随着网络带宽的提高和成本的降低、硬盘容量的加大和中心存储成本的降低,以及各种实用视频处理技术的出现,视频监控步入了全数字化的网络时代,DVR 系统进一步发展为网络数字视频录像机,实现了视
11、频信息的数字化网络传播。更进一步,发展成为了网络化视频监控系统,又称 IP 监控系统。网络化视频监控系统基于 TCP/IP 协议,采用开放式架构,其视频信息从摄像机或网络视频服务器下来就直接进入网络,以数字视频的压缩、传输、存储和播放为基础,通过强大的平台软件实施管理。视频监控系统在系统功能和设备性能上得到了很大的提高,但是仍然受到了一些固有因素的限制,整个系统在安全性和实用性方面难以满足人们不断提高的要求。具体的制约因素如下:(1)人类自身的弱点。很多情况下,由于生理上的弱点,人们经常无法觉察安全威胁,从而产生了漏报的现象。(2)监控时间。大多数视频监控系统难以按照 1:1 的比例来配置监控
12、摄像机和视频显示装置,尤其是在机场、港湾等大型的视频监控系统中,各个监控点很难都处于监控之下。(3)误报和漏报。这是视频监控系统中最常见的两大问题,误报会浪费人力物力,漏报可能会导致非常危险的后果发生。这两种情况都会大大降低人们的信任,进而降低监控系统的应用价值。(4)数据分析困难。传统的视频监控系统缺乏智能因素,录像数据无法被有效地分类存储,更毋论其他的智能处理,因此数据分析工作要耗费相当多的时间。而经常发生的误报漏报现象也造成了无用数据的进一步增加,带来更大的困难。(5)响应时间长。对于安全威胁的响应速度直接关系到一个安全系统的整体性能。传统的视频监控系统通常由人来对威胁做出响应和处理,而
13、实际处理问题时,往往同时涉及到多个功能部分,需要多个相关部门的协调配合,共同处理,因而对响应时间有了更高的要求。为了解决上述导致视频监控系统效率低下的问题,人们把计算机视觉的相关技术引入视频监控中,从而发展起新型的视频监控技术智能视频监控,也称自动视频监控,在视频监控系统中处于核心地位,对于整个系统的效率提高具有重要意义。1.2.2 智能视频监控的研究内容智能视频监控的研究内容包括运动目标检测、运动目标跟踪以及对监视场景中目标行为的理解与描述,目标检测、目标分类、目标识别是视频处理中的基础部分,而行为分析和理解则属于更高级的处理分析部分。运动检测、目标分类和目标跟踪是研究者们关心最多的三个基本
14、问题;而行为分析与理解因为跟应用直接相关,所以近些年成为被广泛关注的热点问题。1.3 行人检测与跟踪视频监控场景中行人是监控的主要对象,因此对行人的检测和跟踪是一个至关重要的问题,这属于智能视频监控系统的底层工作,其性能好坏将直接影响后续工作乃至整个系统的性能。1.3.1 行人检测行人检测就是把视频图像中的行人目标从背景中分割出来并精确定位。基于视觉的行人检测目前仍旧是计算机视觉领域的一个公认的难题。原因在于:行人同背景混合在一起,行人可能走,也有可能站着或者不可预测地改变运动方向;行人所处的背景非常复杂,特别是当视觉系统基于运动云台上的摄像系统时,背景的突然改变不可避免。到目前为止,一些人体检测系统在某些约束环境中被证明能有效地检测行人,从而鼓舞了研究人员开展进一步的研究工作。行人的衣着、运动姿态、光照存在着很大的差异,并且存在背景复杂、遮挡和其它运动物体的干扰,这些因素是行人检测要解决的重点问题。1.3.2 行人跟踪行人跟踪监视人体在视频中的空间和时间变化,包括人体的出现、位置变化、大小信息、形状等,在连续帧上匹配目标区域,求解时间上的对应问题。基于视觉的人体跟踪一般从人体检测开始,而且在后继的视频序列
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1