視頻監(jiān)控中遺留物檢測關鍵技術的研究.pdf

1、原始的采用人力來進行監(jiān)控的方法已經跟不上需求，為了實現(xiàn)更準確、更高效的視頻監(jiān)控技術，智能視頻監(jiān)控正在蓬勃發(fā)展。遺留物檢測技術是安全防范領域中智能視頻監(jiān)控的一個重要分支，是一項橫跨圖像處理、模式識別、計算機視覺等多個學科的交叉技術。遺留物的檢測利用監(jiān)控設備和圖像處理相結合的技術，使計算機或者嵌入式硬件具有解析視頻的能力，從而對遺留物進行主動的檢測和預警。遺留物的檢測在生活中具有實際意義，可以用來排除危險情況或幫助失主找到丟失的物體。因此，

2、視頻監(jiān)控中遺留物檢測關鍵技術的研究具有重要的現(xiàn)實意義。
　　本論文對遺留物檢測所用到的關鍵技術進行了研究。主要分為遺留物檢測的預備知識、目標檢測、目標跟蹤和人體識別四個部分。其中遺留物檢測所用到的預備知識有彩色圖像空間的轉換、圖像濾波、陰影去除以及圖像的閾值分割。本文對中值濾波、均值濾波、高斯濾波、形態(tài)學濾波這幾種方法進行了對比。對基于顏色特征的陰影去除方法和基于邊緣檢測的陰影去除方法進行了研究和實驗，為論文的后續(xù)研究奠定了基礎。

3、
　　本文對光流法、幀間差分法和背景差分法這三種目標檢測方法進行了對比，背景差分法具有提取的目標較完整的優(yōu)點，對中值背景建模法、均值背景建模法、單高斯背景建模法以及混合高斯背景建模法這幾種背景建模方法進行了研究和對比，中值背景建模法和均值背景建模法實現(xiàn)簡單、運算速度較快，但是只能適用于簡單的場景，混合高斯背景建模法的抗干擾性能最好。
　　使用傳統(tǒng)Meanshift算法進行目標跟蹤誤差較大，卡爾曼濾波算法能夠有效估計目標在下一

4、時刻的位置，因此利用卡爾曼濾波算法對Meanshift算法進行了改進，改進后的算法在一定程度上解決了傳統(tǒng)Meanshift算法在目標顏色特征不明顯、目標運動速度較快以及發(fā)生遮擋時跟蹤效果較差的問題。本文考慮了行人可能對遺留物檢測造成的干擾，采用了基于合并聯(lián)通區(qū)域的方法進行人體識別，首先檢測出聯(lián)通區(qū)域并根據一定條件對聯(lián)通區(qū)域進行合并，然后根據聯(lián)通區(qū)域的高寬比和形狀復雜度來進行人體識別，此方法實現(xiàn)簡單，速度較快。根據遺留物的特點——物體、停