视频监控系统中的运动目标检测研究

在被监视的场景中,运动目标检测是视频监视技术的基本问题,它处于整个视频监视系统的最底层,是各种后续的高级应用的基础,对于一个视频监视系统工作的好坏,起着重要的作用。常见的一种情况也是本课题研究的前提是摄像机处于静止状态,并且镜头的焦距是固定的。在这种情况下,通常有三种方法进行检测:光流法、相邻帧差法(即帧间差分法)和背景差法。 本论文在熟悉了相关资料的基础上,主要研究摄像机静止状态下运动目标的检测与定位。光流法较为复杂且实时性较差,缺乏实用性。相邻帧差法对于动态环境具有较强的适应性,但在实际应用中对物体的运动速度有一定的要求,具有局限性。背景差法作为检测前景目标的一种有效方法,是本课题研究的重点内容,将分别对背景差法中的时间平均法和基于单(多)高斯模型的背景提取法进行详细研究。 论文将用分别两章详细介绍基于像素灰度归类的背景重构法及其修补算法。基于像素灰度归类的背景重构法在假设背景像素灰度以最大概率出现在图像序列的前提下,利用灰度差对相应像素点灰度进行归类,选择频率最高的灰度值作为该点的背景像素值。在背景缓慢变化和突变时,分别利用该算法进行定时和实时背景重构具有明显的优点。仿真结果表明,即使场景中存在运动前景,该算法也能够准确地重构背景,并有效地避免混合现象,从而实现对运动目标的完整提取,以便进一步识别或跟踪。 在最后一章中,将针对这几种常用的方法进行比较和分析。