基于運動背景的運動目標檢測技術研究.pdf

1、智能視頻監(jiān)控技術是計算機視覺領域近年來新興的一個研究方向。它的主要研究內容包括：監(jiān)控視頻運動對象的檢測、對象的描述、對象的跟蹤、對象的識別和對象的行為分析等。目前的智能監(jiān)控系統(tǒng)中，通常采用固定攝像頭對于場景進行記錄。對于大視場監(jiān)控，單一固定攝像頭難以滿足監(jiān)控的大視場和高分辨率要求，而采用多個攝像頭成本過高。因此有必要采用旋轉攝像頭對整個視場進行掃描監(jiān)控。本文研究了基于旋轉攝像頭的全局運動估計方法以及全局運動補償后運動目標的分割和填充技術

2、。
　　 在全局運動估計過程中，首先提取當前幀的特征點并將其離散化，然后以特征點為中心在當前幀和前一幀之間進行塊匹配，其后用 準則除去誤差塊，從而得到全局運動估計量。在VC平臺上編程實現(xiàn)了該算法。其中，在特征點提取階段，本文對特征點提取算法進行了深入研究和比較，由于提升小波速度較快，因此研究了基于提升小波的特征點快速提取方法。實驗結果表明取得同等效果情況下，基于提升小波的特征點提取方法耗時僅為以sobel算子極大值方法的20％。

3、另外，已有的一種快速SUSAN算法對于實際圖像提取特征點的實時性不夠，研究發(fā)現(xiàn)其原因是未對小波系數(shù)值進行區(qū)分，將大量由噪聲引起的點進行處理造成的。本文對其進行了改進，通過對小波系數(shù)值的劃分，解決了這一問題。改進后方法所用的時間小于原SUSAN算法的15％，提取到的點數(shù)大于原SUSAN算法的90％。還有，由于攝像頭是旋轉的，則背景的運動有一定的規(guī)律，故此本文采用卡爾曼濾波來預測跟蹤匹配塊，大大減少了全局運動估計的計算量。該方法在實驗中匹配