web方式场景图像显示与监控图像分析

《web方式场景图像显示与监控图像分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、Web方式场景图像显示与监控图像分析了单高斯和混合高斯背景模型来更新背景以准确的将目标分割出来。[17]在行人统计方面，国外的研究起步比较早,一些专家学者已经取得一定的研究成果，如Masoud等人为了降低噪声和光线变化等外部环境的对行人计数结果的影响，研究了如何对背景动态更新，使行人计数精度得到了较大的提高。文献[18,19]利用摄像机垂直拍摄的方式进行计数较成功的解决了行人之间容易发生相互遮挡而导致统计误差较大的问题。文献[20,21]提出利用两个或两个以上的相机定位目标，以解决行人相互遮挡导致统计误差过大的问题。从国内来说，对于该方面的研究起步较晚，但也取得了一些可喜的成果，文献[

2、22]提出对低密度人群图像采用基于像素统计的方法，对于较高密度人群图像采用基于多尺度分析和分形的纹理分析方法；付伟、于海滨、刘济林使用DSP实现了一种嵌入式视[24]觉客流检测系统；北京工业大学的衣淑凤等人对智能化人群监控管理方面作过一些初步的研究。[31]在目标跟踪方面,付永会、张风超、张宪民使用了一种目标模板和当前帧图像颜色直方图相比的比率直方图进行实时的目标跟踪；文献[32]提出了一种基于粒子滤波的小目标先跟踪后检测的算法，[33,34]提高了复杂环境下小目标的联合检测和跟踪性能；Comaniciu等人提出了基于颜色特征的均值偏移跟踪算法，并用Bhattacharyya距离作为目

3、标模板和候选目标的相似性测度，完成了对目标任意场景下的实时跟踪；由于应用场景环境的复杂多变，一般很难提取唯一标识目标的特征或者一种目标特征无法保证跟踪的有效性，所以可虑将多个目标特征结合起来完成对目标的有效跟踪，文献[36]通过基于灰度的混合高斯模型建立背景选择目标的重心和轮廓作为特征，通过相似度算子搜索目标完成对目标的跟踪；文献[37]提出了将目标的颜色直方图模型和密度函数梯度模型联合的方法实现对人头部的实时跟踪。§1-3论文内容安排论文主要研究了运动目标检测算法、行人统计方法、运动目标跟踪方法、Web方式显示场景图像技术及行人统计结果。首先研究了静态背景下的运动目标检测技术，对目前

4、比较有代表性的三种检测算法进行分析，并提出了一种帧差法与背景减法结合的检测算法。在运动目标检测的基础上研究了行人统计方法，包括行人计数和人群密度估计两方面。然后研究了在室外场景中对感兴趣行人进行跟踪的方法，最后探索了Web方式显示场景图像方法及如何将行人统计数据日志化、可视化。课题组织结构共分为六章：第一章绪论，简单介绍了课题的研究背景、现状以及课题的主要任务。第二章运动目标检测算法研究，主要介绍了运动目标检测跟踪系统的结构，以及一些经典的目标检测算法，并提出了一种新的背景差法与相邻帧差法相结合的目标检测算法。第三章行人统计，主要包括行人计数和人群密度估计两个方面。本文探索了在运动目标

5、检测的基础上,通过扫描计数线进行行人计数方法和基于双最小二乘拟合直线的人群密度估计方法。第四章目标跟踪，主要研究了CamShift跟踪算法。针对CamShift算法对大面积颜色干扰失效的问题，提出一种改进的CamShift算法。第五章Web方式显示场景图像与行人统计结果，主要介绍了Web方式场景图像显示技术及如何将行人统计的结果日志化、可视化。总结与展望，对论文所做的工作进行总结，并分析存在的不足，最后指明待研究的方向。2河北工业大学硕士学位论文第二章运动目标检测算法研究§2-1引言运动目标检测就是从序列图像中提取出运动目标。运动目标的有效检测与分割对后面要进行的行人统计等工作十分重要

6、。由于背景图像的扰动，如光照干扰等因素的影响，快速、准确的检测运动目标将是一份比较有挑战性的工作。针对不同的应用场景，一个好的运动目标检测算法应具有较好的鲁棒性和精度，此外，一般来说上升到应用层次，还要求算法具有较低的时间复杂度，来满足系统实时性要求。[15]具体说来，一个好的运动目标检测算法应满足如下条件：1）能够适应环境的动态变化；2）能够处理摄像机抖动的情况；3）能够在复杂背景下检测运动目标；4）能够适应背景中物体的运动(如背景中树叶的摆动，水面的波动等)；5）能够去除目标阴影的影响；6）检测结果能满足后续工作的精度要求。§2-2常用的运动目标检测算法由于目标检测作为图像处理的基

7、础,无论是国内还是国外，对运动目标检测的算法研究很多,但也基本都是一些典型算法的改进或是结合算法,下面首先对一些典型的算法进行介绍与分析,然后提出本文的检测算法。2-2-1光流法[25]光流是空间运动物体被观测面上的像素点运动产生的瞬时速度场，包含了物体表面结构和动态行为的重要信息。一般情况下，光流由相机运动、场景中目标运动，或两者的共同运动产生。光流计算方法大致可分为三类:基于匹配的、频域的或梯度的方法。光流法的优点是在没有预知场景的任何信息