室外視頻監(jiān)控中基于顯著性的運(yùn)動目標(biāo)檢測與分類.pdf

1、顯著性是計(jì)算機(jī)視覺范疇的一個(gè)經(jīng)典問題，通過模擬人眼視覺注意機(jī)制，主要強(qiáng)調(diào)與周邊相比細(xì)節(jié)變化突出的區(qū)域，但是在顯著性檢測過程中沒有兼顧運(yùn)動特征，因此非顯著的靜止區(qū)域可能因灰度變化劇烈而被突出。運(yùn)動目標(biāo)檢測是計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)之一，強(qiáng)調(diào)的是與全局背景有差異的區(qū)域，在檢測出真正的運(yùn)動目標(biāo)的過程中還有可能檢測出干擾物體，比如由攝像機(jī)輕微抖動或者樹枝搖擺造成的干擾，而這種干擾對比較小的運(yùn)動目標(biāo)會產(chǎn)生較強(qiáng)的影響。因此，將顯著性檢測與運(yùn)動目標(biāo)檢

2、測結(jié)合，可以克服干擾，得到顯著的運(yùn)動目標(biāo)。
　　目標(biāo)分類是目標(biāo)跟蹤和目標(biāo)行為理解重要的一步。由于室外視頻監(jiān)控容易受到光照、天氣、遮擋等因素的影響，為保證分類準(zhǔn)確性和實(shí)時(shí)性，需要選擇最能區(qū)分不同類別的典型特征，提高分類器的分類速度和準(zhǔn)確性。
　　本論文所完成的主要工作和提出的創(chuàng)新點(diǎn)如下：
　　(1)首先介紹了當(dāng)前顯著性檢測算法的研究現(xiàn)狀，然后通過實(shí)驗(yàn)結(jié)果對比了典型顯著性算法的優(yōu)缺點(diǎn)。通過對FT算法的改進(jìn)，提出了基于多分辨

3、率的FT算法，綜合考慮了局部和整體性，同時(shí)也考慮了像素點(diǎn)之間的關(guān)聯(lián)情況。經(jīng)實(shí)驗(yàn)證明該方法可以得到邊界清晰且內(nèi)部均勻的顯著物體。
　　(2)分析和對比了目前常見的運(yùn)動目標(biāo)檢測算法的優(yōu)缺點(diǎn)，提出了分塊快速投影運(yùn)動目標(biāo)檢測算法，通過對比當(dāng)前幀與參考幀的水平和垂直灰度投影計(jì)算運(yùn)動矢量，得到視頻幀內(nèi)物體的運(yùn)動顯著圖。
　　(3)采用動態(tài)優(yōu)先思想，用動態(tài)融合技術(shù)將靜態(tài)顯著圖和運(yùn)動顯著圖結(jié)果融合，得到最終運(yùn)動目標(biāo)檢測結(jié)果。
　　(4

4、)介紹了目標(biāo)分類方法，選取長寬比、離散度、占空比作為分類特征，分類器采用適合小樣本學(xué)習(xí)并且泛化能力較好的SVM，實(shí)現(xiàn)了車輛、行人、自行車和其他目標(biāo)的分類。
　　本文算法利用Matlab仿真，通過對視頻數(shù)據(jù)庫http://ftp.pets.rdg.ac.uk/中五組大小為768×576的視頻進(jìn)行實(shí)驗(yàn)，與二幀差分法、時(shí)間平均法和混合高斯模型法相比，本文的基于顯著性的運(yùn)動目標(biāo)檢測方法可以提高運(yùn)動目標(biāo)檢測的精度。在分類上通過網(wǎng)格尋優(yōu)和5-