面向实时智能监控的背景建模算法研究与系统设计

发布时间：2017-09-30 20:00

  本文关键词：面向实时智能监控的背景建模算法研究与系统设计

  更多相关文章： 背景建模 智能监控 纹理特征 VIBE算法 短时前景模型

【摘要】：背景建模算法是智能监控领域中的一项位于底层的关键技术,主要用来检测视频场景中的运动前景。作为关键技术之一的背景建模算法,一方面,其准确率和鲁棒性直接影响着上层智能分析算法的结果；另一方面,它需要为后续智能分析算法留出足够的计算时间,其速度性能也是一项重要的评价指标。虽然国内外很多学者对于背景建模算法的理论及其应用进行了广泛的研究,但是依然存在诸多问题。对于实时智能监控系统而言,在选择合适的背景建模算法时通常需要在其准确率和计算速度之间进行权衡取舍,而选择的策略主要根据系统的实时性要求以及后续智能分析技术的特点。基于以上的原因,本文设计了两种具有不同准确率和计算速度的背景建模算法,以适应不同的实时智能监控系统的需求。本论文首先提出了一种基于邻域特征和灰度信息的背景建模算法。其中的邻域特征是一种纹理特征,通过对邻域像素的大小关系进行3段式编码得到。利用此邻域特征构建邻域特征背景模型,与灰度背景模型共同组成此算法的双层背景模型。对于纹理较多的图像高频区域,用邻域特征背景模型来判别背景,而在纹理较少的图像低频区域,用灰度背景模型来判别背景。这种策略充分发挥了两者在区分不同频率图像时的互补性。实验表明,此算法的准确率和鲁棒性在现有的背景建模算法中处于较高水平,而且与同水平的算法相比,具有明显的速度优势。对于640×480的视频,本算法的处理速度达到了68fps(i5,2.2GHZ),基本满足实时智能监控系统的速度要求,允许系统在检测出前景之后做一些耗时较少的智能分析。其次,本论文针对VIBE算法在前景较多时计算效率不高的问题,提出了一种基于短时前景改进的快速VIBE算法。通过在背景模型中加入短时前景模型,将原VIBE算法对于前景点的比较次数从经典的平均20次降低到平均6次左右。实验表明,本算法在前景较多的场景下,可以大幅加快VIBE算法的计算速度。在实际的道路监控场景下,本算法比原VIBE算法快30%以上,对于640×360的实际监控视频达到250fps(i5,2.2GHZ),同时并不降低原VIBE算法的准确率和鲁棒性。此方法可以满足大多数实时智能监控系统的速度要求,使得系统在检测出前景之后仍有较充足的时间进行更复杂的智能分析。最后,针对与中兴通讯合作的智能监控项目,本论文研制了一种面向城市道路监控网络的跨摄像机智能监控系统,并将论文中提出的背景建模算法应用于此系统中,在实际监控视频测试中得到了预期的实验效果。目前,该项目已经顺利结题并交付。
【关键词】：背景建模 智能监控 纹理特征 VIBE算法 短时前景模型
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 致谢4-5
• 摘要5-7
• Abstract7-15
• 1 绪论15-21
• 1.1 研究背景与意义15-16
• 1.2 国内外研究现状16-18
• 1.2.1 背景建模算法研究现状16-17
• 1.2.2 智能监控系统研究现状17-18
• 1.3 本文研究内容和章节安排18-19
• 1.4 本论文的创新点19-21
• 2. 背景建模算法介绍21-31
• 2.1 经典背景建模算法21-28
• 2.1.1 均值函数法和中值函数法21-22
• 2.1.2 w4模型背景建模算法22-24
• 2.1.3 单高斯背景建模算法24-25
• 2.1.4 混合高斯背景建模算法25-26
• 2.1.5 贝叶斯背景建模算法26-27
• 2.1.6 VIBE背景建模算法27-28
• 2.2 实时智能监控系统对于背景建模算法的要求28-30
• 2.3 本章小结30-31
• 3. 基于邻域特征和灰度信息的背景建模算法31-56
• 3.1 LBP特征及其在背景建模中的缺陷31-36
• 3.1.1 LBP特征简介31-34
• 3.1.2 LBP直接用于背景建模的缺陷34-36
• 3.2 本论文的邻域特征编码36-43
• 3.2.1 邻域特征编码方法及其距离度量36-40
• 3.2.2 邻域特征与灰度信息的互补性分析40-43
• 3.3 基于邻域特征和灰度信息的背景建模算法43-48
• 3.3.1 基于邻域特征和灰度信息的双层背景模型43-44
• 3.3.2 双层背景模型的相似性度量44-45
• 3.3.3 基于邻域特征和灰度信息的双层背景建模算法流程45-48
• 3.4 实验结果与分析48-54
• 3.4.1 实验数据库48-49
• 3.4.2 算法效果与参数设置49-51
• 3.4.3 双层背景模型的合理性分析51-53
• 3.4.4 与主流背景建模算法比较53-54
• 3.5 本章小结54-56
• 4. 基于短时前景改进的快速VIBE算法56-71
• 4.1 VIBE算法速度分析56-59
• 4.2 基于短时前景模型改进的VIBE背景模型59-60
• 4.3 基于短时前景改进的快速VIBE算法流程60-62
• 4.4 实验结果与分析62-69
• 4.4.1 算法效果与参数设置62-67
• 4.4.2 短时前景模型的有效性分析67-69
• 4.5 本章小结69-71
• 5. 跨摄像机的实时智能监控系统平台研制71-87
• 5.1 系统设计背景71
• 5.2 系统功能概述71-73
• 5.3 系统总体设计73-75
• 5.3.1 系统架构73-74
• 5.3.2 功能架构74-75
• 5.3.3 技术架构75
• 5.4 系统核心算法模块75-81
• 5.4.1 目标跟踪模块概述76-77
• 5.4.2 目标匹配模块概述77-79
• 5.4.3 运动前景检测模块与背景建模79-81
• 5.5 跨摄像机的实时智能监控系统演示81-86
• 5.5.1 系统演示界面设计81-82
• 5.5.2 系统实验效果演示82-86
• 5.6 本章小结86-87
• 6. 总结与展望87-89
• 6.1 本文工作总结87-88
• 6.2 未来工作展望88-89
• 参考文献89-93
• 攻读硕士期间所取得的科研成果和参与课题93

【相似文献】

中国期刊全文数据库 前10条

1 熊祺;张旭;王生进;;基于两级时空随机取样的背景建模算法[J];航天医学与医学工程;2014年02期

2 李文辉;何林宣;倪洪印;;基于视频序列的双背景建模算法[J];计算机应用研究;2014年02期

3 蔡晓波;快速非递推最小二乘AR建模算法[J];数据采集与处理;1988年01期

4 宋坤;李丽娟;赵英凯;;基于AP的LS-SVM多模型建模算法[J];计算机工程;2011年14期

5 李广健;周浩;;用户建模算法的适应性及多算法用户建模研究[J];情报科学;2009年04期

6 马p，

本文编号：950099