论文总字数：20903字

摘 要

视频监控系统智能应用已经很普及，实现行人的自动追踪与统计。本文对现有的室内监控系统被动、非智能化的跟踪与统计人数的现状，研究智能的行人跟踪方法的技术。

本文主要针对的是智能化视频监控系统中行人跟踪统计的几个环节。

（1）目标检测，使用帧差法，以及混合高斯建模，获得前景。分别说明了帧间差分法，三帧差分法以及混合高斯建模方法的优点，缺点。

（2）人体目标追踪，对已获得的运动目标进行跟踪，方法一使用mean shift算法进行跟踪，方法二是直接在帧差法的基础上进行目标跟踪。

使用已经准备好了的视频监控素材来验证算法的可行性。仿真结果显示，以上介绍的算法可以提取到较为理想的视频前景画面，可以识别前景像素中需要识别的目标，对目标跟踪中并且获得良好的跟踪检测轨迹，说明了本文所使用的算法是切实可行的。本文的研究为构建智能化视频系统人数提供了一些方法基础。

关键词：智能视频监控 人数统计 前景检测 混合高斯 meanshift 目标跟踪

Abstract

Video surveillance system intelligent application has been very popular, to achieve pedestrian automatic tracking and statistics. In this paper, the existing indoor monitoring system passive, non - intelligent tracking and statistics of the status quo, the study of intelligent pedestrian tracking method of technology.

This article is mainly aimed at intelligent video surveillance system pedestrian tracking statistics of several links.

(1) target detection, using the frame difference method, and mixed Gaussian modeling, to obtain the foreground. The advantages and disadvantages of inter - frame difference method, three - frame difference method and mixed Gaussian modeling method are described respectively.

(2) tracking of human goals, tracking of the moving target has been achieved, the method uses a mean shift algorithm to track, the second method is directly based on the frame difference method for tracking the target.

Use the video surveillance material that is already ready to verify the feasibility of the algorithm. The simulation results show that the algorithm described above can be extracted to the ideal video foreground picture, which can identify the target that needs to be identified in the foreground pixel, and track the target trace in the target tracking, which shows that the algorithm used in this paper is feasible of. The research of this paper provides some methods for building the number of intelligent video systems.

Key words: Intelligent Video Surveillance People Counting Foreground detection

Mixed gaussian meanshift Target Tracking

目录

摘要 I

Abstract II

第一章 绪论 4

1.1 研究背景及意义 4

1.2 国内外研究现状 4

1.3 论文章节安排 5

第二章 运动目标检测 7

2.1 引言 7

2.2 几种前景提取算法的比较 7

2.2.1帧差法 7

2.2.2三帧差法 8

2.2.3背景减除法 9

2.3形态学处理 15

2.3.1腐蚀与膨胀 16

2.3.2开运算与闭运算 17

2.4光照变化下的算法优化 17

2.5算法比较 18

2.5本章小节 19

第三章 运动目标跟踪 20

3.1引言 20

3.2 基于mean shift的目标跟踪 20

3.2.1非参数估计： 20

3.2.3mean shift算法的基本原理 22

3.2.3实验结果 28

3.3基于帧差法的目标跟踪 31

3.3.1基于帧差法的目标跟踪的基本原理 31

3.3.2实验结果 32

3.4人数统计模块 34

第四章 总结与展望 37

4.1总结 37

4.2前景展望 37

结语 39

致 谢 39

参考文献 40

1. 绪论

1.1 研究背景及意义

随着经济以及科技的持续的发展，更多的人民参与到社会实践中来，随着产生的就是城镇化，城市聚集更多的人口，其直接结果就是各种大型建筑的建造。而这些建筑的安保问题也愈发的突出。而这些场合的人员流动，物品流转，车辆等方面的数据有着十分巨大的价值，根据它们的特点，合理安排人力物力，优化管理，意义巨大。

视频监控被用来监控特定场合中的行人，统计行人信息。由于人自身的特性与弱点，利用人对视频进行监控会发生许多的主观错误，而算法程序可以有效的避免这个问题并且解放人力，减少人力成本，提高监控效率。

作为视频监控系统今后的大的发展方向，最近几年许多国家都投入大量的时间与经历到智能化视频系统来，实用化民用化的手段也越来越丰富。如今的社会恐怖分子的势力越来越壮大，恐怖袭击时间层出不穷，许多国家都极其的看重在重要、不能被破坏的位置和人流量巨大地点实施了全天自动化的监测。由此可见智能化的监控系统遇到了蓬勃发展的时代。

1.2 国内外研究现状

目标检测实质是就是一种对已用的图像进行切割的方法，我们将画面内的运动目标与背景画面分割开来，具体点的来说可以分为在运动背景下的目标追踪和停止背景下的目标追踪。在动态背景情境下的目标探测指的是监控摄像头在拍监控程中发生了位置的移动，这种情况下的检测方法可以实现较大范围的检测。静态就是指摄像头在拍摄过程中位置并未发生变化，只记录进入镜头范围的物体。目前常用探测技术有如下的方法：帧间差分法^[21]，背景减除法^[22]和光流场法^[23]。帧间差分法在运动的情况下有很好的效果，但是却对阳光的改变不敏感，当目标的速率发生变化时它也无法得到较好的检测结果。背景减除的方法得到的效果较好可是运行速度不快，它能够全面的切割出目标，但是光线以及背景发生变化时却不能很好的顺应。光流法是基于被追踪的对象在时间前进下的光流特点用数学方法得出对象的边缘，它可以做到在无先验条件确定对象。它的缺点也很明显那就是计算量大，抗噪性较差，一般来说无法使用于即时处理。

请支付后下载全文，论文总字数：20903字