监控视频中的前景提取和目标测量跟踪算法研究

【摘要】：当下,随着社会的迅速发展,由民族、社会等多方面社会冲突所造成的各种突发事件和恐怖袭击屡屡出现。城市监控系统作为建设平安城市的基础,对当前或者将来出现的突发状况起着非常关键的作用。但是,由于监控数据量很大,单凭人力监控管理成了一个巨大挑战。为了使安防系统更好的服务于面对突发事件,我们必须一个智能的安防系统来准确地获取信息。随着技术的进步并且计算机视觉科技的不断发展,搭建一个的网络化数字化的视频监控平台即将变成现实,利用人工智能技术构建新一代智能视频监控系统也终于变成了也许。智能监控系统的开发是一个极具挑战性的工作,它要完成视频进行智能预测,对视频中发生的内容进行测试识别,这其中包括了多个计算机科学领域。在很多的智能监控视频分析领域中,提取监控视频中有目标运动的形势部分与监控画面中多个目标的测试跟踪是一个至关重要的一部分。本文针对监控视频的前景提取和目标测量跟踪问题进行了探究,提出了针对这种弊端的缓解办法。本文主要的研究内容如下：1.对于视频中运动前景部分提取,本文采用了一种基于多通道高斯混合模型的动态背景建模。通过对背景模型的优化,提高了前景提取的准确性视频前景提取,并让其无法满足实时监测的规定。针对提取前景出现细小空洞或者不连贯问题,本文采取了图像形态学的处理,增强了前景提取的可靠性。通过与之前的算法进行对比发现视频前景提取,本文提出的优化算法提取的前景噪点更少更准确。2.针对目标评估分类,本文总结介绍了三种常见的特点模型,即HOG、Haar-like、LBP,利用级联的Adaboost分类器和支持向量机对人脸五官和行人目标做了一系列的测试试验。3.在目标跟踪方面,本文利用Lucas-Kanade光流估计算法,设计并推动了一种快速跟踪多物体的算法,本算法运用均匀采样目标像素点作为目标描述子,并利用了一种前向-反向误差滤波器,大大提高了跟踪的准确性。为了验证算法的可用性,本文选取了三段真实监控视频用于试验,通过非常发现本文算法具有速率最快、能够跟踪多个物体的特点。4.为了提升程序执行速度,本文利用GPGPU技术对算法进行了并行加速研究,通过使用CUDA技术大大提高了算法速度。

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/bofangqi/article-140832-1.html