论文部分内容阅读
智能视频监控是一种自动化的视频监控技术,包含了对监控区域内目标的检测、分析以及相应行为的解释。对视频目标的检测和分割是智能视频监控的核心,背景差分算法则是使用最为广泛的目标检测方法。近年来,随着我国工业化进程的不断推进,多地河道的水面上出现了大量的漂浮物。为解决这一问题,并且尽可能的节约人力物力成本,对水面区域的漂浮物进行智能化的监控就成为了一个迫切需要解决的课题。本文深入研究了背景差分算法的原理,针对传统的背景差分算法在对水面漂浮物的检测和分割中产生的几个典型的难点问题分别提出了相应的解决方案。本文的主要工作如下:(1)对传统的高斯混合模型背景差分法(GMM)算法进行改进,在此基础上提出一种水面漂浮物自动分割方法(IGASM)。该方法基于高斯混合法建立背景模型,在HSV空间下利用光影判别函数判断光照变化区域,解决光照变化和阴影问题,通过对模型参数进行分类更新的策略实现对水面漂浮物的分割提取并结合图像形态学方法平滑提取的漂浮物目标。(2)由于传统的背景差分算法仅在时间尺度上对像素进行分类,导致分割出的前景目标精度不高。本文提出在改进GMM算法的基础上引入Graph Cuts算法,综合利用图像自身的空间信息提升漂浮物目标的分割精度。(3)基于监控过程中因摄像头抖动而引发的误检测问题,本文提出一种视频图像对齐方法,该方法通过SURF算法检测图像中的特征点,使用改进的RANSAC算法计算单应矩阵,建立视频图像与背景图像间的对应关系,以纠正由于上述原因而产生的检测误差。