摘 要摘 要伴随着科技和经济的快速发展，人类社会对安防需求不断地提高，智能监控系统在这方面上起到了至关重要的作用，其主要目的是提出一个可以像人类大脑那样认知事物的系统，使人们能从海量冗余信息中准确地关注到有用信息，就好比在茫茫大海里捞一枚细细的针，其中算法设计起到了重要的作用。智能监控系统在实现无人操作的前提下，利用计算机视觉和图像处理技术对获取的视频进行处理，实现对视频中的目标检测和追踪，为后续图像分析和识别提供保障，因此智能视频监控系统的关键是运动目标检测和跟踪技术。本文的主要工作是分别研究这两种关键技术，并对相关算法进行研究与分析。（1）关于运动目标检测算法。本文主要研究的是帧差法和背景差分法。首先从两者的原理入手分别介绍，并分析了它们的优缺点。重点对混合高斯模型背景差分法进行研究，实验仿真得到运动目标轮廓的二值图像。最后对两种不同的算法的实验结果图进行分析与比较。（2）关于运动目标跟踪算法。本文首先对常用的四种跟踪方法进行概述。然后着重研究CamShift跟踪算法，从反向投影（Back Projection）计算、MeanShift算法和CamShift算法流程三部分来介绍其基本原理。最后通过实验仿真，分析结果图。关键字智能视频安防；目标检测与跟踪；混合高斯模型；CamShift算法
目 录
第一章 绪论 1
1.1 研究背景和意义 1
1.2 国内外研究的现状 2
1.2.1 国外研究现状 2
1.2.2 国内研究现状 3
1.3 技术难点 3
1.4 本文章节安排 5
第二章 运动目标检测 6
2.1 引言 6
2.2 帧差法 6
2.2.1 基本原理 6
2.2.2 优缺点 7
2.3 背景差分法 8
2.3.1 基本原理 8
2.3.2 混合高斯背景建模法 9
第三章 运动目标跟踪 12
3.1 引言 12
3.2 常用的目标跟踪方法 12
3.2.1 基于轮廓的跟踪方法 13
3.2.2 基于特征的跟踪方法 13
3.2.3 基于区域
 *51今日免费论文网|www.jxszl.com +Q: ￥351916072￥ 
的跟踪方法 14
3.2.4 基于模型的跟踪方法 14
3.3 本文研究的CamShift跟踪算法 15
3.3.1 反向投影计算 15
3.3.2 MeanShift算法 15
3.3.3 CamShift算法流程 16
第四章 实验平台及算法实现 19
4.1 开发平台概述 19
4.1.1 OpenCV基本结构 19
4.1.2 简单数据类型 20
4.2 运动目标检测算法功能实现 21
4.2.1 帧差法 21
4.2.2 背景差分法 22
4.3 运动目标跟踪算法功能实现 23
第五章 实验结果分析 25
5.1 运动目标检测实验结果 25
5.1.1 帧差法实验结果图 25
5.1.2 混合高斯背景差分法实验结果图 25
5.1.3 两种算法分析比较 26
5.2 运动跟踪算法实验结果与分析 27
结 语 30
致 谢 31
参 考 文 献 32
第一章 绪论
1.1 研究背景和意义
传统监控系统自从被投入到商业应用中，已经经历好几代的更新，而智能监控系统就是在这一时期中发展而来。上个世纪80年代，监控系统一般都是以模拟闭合电路VCR（Video Cassette Recorder）为核心来实现监控，当时的摄像辨别率小，使用磁带来存放数据而且系统内存普遍偏小，基本无监控设施。上世纪末到本世纪初，数字监控DVR（Digital Video Recorder）开始兴起并得到飞速的发展，它的功能如下：对视频进行采集、压缩和存储，再使用几个显示屏来展现出监控数据。在DVR之后，网络监控系统NVR（Network Video Recorder）进而飞速的发展起来，它由相关部门监控管理，并从中得到视频数据。视频监控经历了三代后，从以前只应用到重要场合中到如今比比皆是的远程监控，正在不断地进入到当今社会和人们的生活区中。传统视频监控系统的局限性是只能实施一般的监测性能，却不具有判断视频序列中的行为，于是这便需要相关的人员去对视频中的行为判别，对于一些需要及时处理的状况，监控系统却不能有效及时的处理相关行为，这样便失去监控本身的意义。为了解除这一限制，于是智能监控系统应运而生。它不仅仅只是去获取场景中的信息，同时还对捕获的信息进行分析处理来完成监控任务，主要工作是自动检测场景中的目标，提取目标的有关特征，紧接着实时跟踪，分析理解运动物体行为进而作出准确判断。在智能视频监控中，目标检测和跟踪技术尤为重要，在整个监测进程中发挥了关键的作用，并能够更高效地实现视频监测。
本文首要研究的便是智能视频安防网络监控系统中的重要环节——运动目标检测与跟踪。在我们的日常生活当中，很多有价值的信息往往体现在运动目标上。在很多场景中，往往是那些运动着的目标更能让我们分析判断出其相关行为，比如马路上对车流量的检测、重大场合的安防检测、导弹的制导问题等。要实现对目标行为的分析判断，首先是要检测出目标；然后对提取的目标进行分类标识；再通过获取目标的相关特征，对运动目标实时跟踪。所以，我们很有必要对运动目标的检测和跟踪问题进行深度的探究，这对智能监控系统的运用有很大的意义。运动目标跟踪包含了很多其他方面的相关技术，如人工智能、图像处理、自动识别等。本质上讲，要实现对运动目标的检测与识别，首先要抓住运动目标的相关特征，利用适合的相关算法在序列视频中捕获与目标模板比较符合的目标位置，通俗的讲便是给序列视频中的各帧图像进行目标锁定。在智能监控的过程中，运动目标的跟踪是检测之后的一个重要的流程。运动目标跟踪这一环节，可以比较准确地定位目标并且提供出匹配的运动轨迹，继而为接下来的工作即目标的行为解析与判别提供了有效的信息，同时它还可以反过来提供给之前的运动目标检测，最终使智能监控能有效的运作。
1.2 国内外研究的现状
随着智能视频安防网络监控在各个领域的不断应用，相关技术取得了飞速的进步，尤其是在运动目标检测与跟踪这一方面。因为该技术本身的重要性以及有着很大的发展空间，这使得它有很大的市场，很多企业已经推出了不少相关的软件系统，同时国家也给予高度重视。
国际上也有很多权威的发表平台，供世界相关人员进行交流。比如视觉监控会议，国际计算机视觉会议，计算机视觉和模式识别会议等[1]。
1.2.1 国外研究现状
国外有些机构已经对智能视频监控的有关技术深入研究，技术不断更新，相关理论不断产生，一些发达国家比如英国美国在智能监控领域已经取得很好的发展。
早在1997年，美国的相关部门就开始对视频监测和监控虚拟存储取法[2]的开发进行为期多年的深入研究。美国深入探究该项目的主要原因是想要将其应用于军事领域，将智能视频处理技术与一些硬件系统进行有效的结合，可以在未来的战场上不需要人为监控来进行判断分析，以减少军事活动中人员的伤亡。在2000年，美国的相关研究人员又进行了另一项重要课题，实现远程人类识别项目[3]，该项目主要是用于预防一些恐怖事件的发生，通过开发多种方案的监控技术，可以在一定的距离里对相关目标进行检测和跟踪。相关技术包含：1、肢体动作识别；2、面部表情判别；3、姿态判别；4、人脸检测与跟踪。在很大的范围内执行运动目标检测与跟踪的任务，对可疑人员进行特征识别，这在一定程度上提高了公共场合防范恐怖袭击的能力。在同一年，欧盟为了缓解城市交通压力，特别设立了视频监控和检索这一重大项目[4]。这个项目当时主要是用来监控地铁上一些人们的活动行为，包含研究个人和群体的行为模式分析以及人机交互等，并在一定程度上缓解了城市交通压力。英国的雷丁大学开发了一款Pfinde系统可以进行实时监控，该系统可以很快的应对动态场景。日本实施了CDVP计划[5]，宗旨是在大众场所实施监控，并且营造安全的社区氛围。近年来，因为智能监控视频不断运用在多个领域上，所以许多国家的相关部门也都对其相关技术进行深入的探索。

原文链接：http://www.jxszl.com/dzxx/txgc/80560.html