视频追踪

智能视频监控系统目标跟踪与分类算法研究

研究高实时性高准确

度的智能视觉分析算法、多目视觉数据融合以及最优化问题是智能视频监控系统

研究的关键。本文针对智能视频监控系统中的运动目标跟踪与分类问题—从运

动目标分割、跟踪和分类，到基于多目视觉数据融合的目标连续跟踪、跟踪优化

分配以及目标分类/跟踪互协作，进行了深入研究，并设计和实现了基于嵌入式

CPU和DSP相互协作的智能摄像机原型系统。

智能视频监控(Ivs，Intelligentvideosurvei一ance)技术源自计算机视觉(ev eomputervision)与人工智能(Al，ArtifieialIntelligent)的研究，其发展目标在

于将图像与事件描述之间建立一种映射关系，借助计算机强大的数据处理能力过

滤掉图像中无用的干扰信息，自动分析、抽取视频源中的有用信息，使计算机从

纷繁的视频图像中分辨、识别出关键目标物体，从而使传统监控系统中的摄像机

不但成为人的眼睛，也使“智能视频分析”计算机成为人的大脑，并具有更为“聪

明”的学习思考方式。这一根本性的改变，极大地发挥与拓展了视频监控系统

作用与能力，使监控系统具有更高的智能化，大幅度降低了资源与人员配置，时必将全面提升视频数据的分析效率和实时处理能力。

在普通图像序列中的运动检测，其他类型检测基本上

是普通图像序列检测方法的扩充，从方法上看有如下几类:

.背景减法(Baekgroundsubtraction)

背景减法的原理如图1.4所示，通过对背景像素进行建模，由当前图像与背景

图像模型之差得到运动前景图像。该方法是最受欢迎的运动目标检测方法之一

背景减法一般能够检测完全的目标前景特征数据，。该方法的关键在于如何自动获得场景的静态背景模型，适用于背景已知的情况，而在场景中背景往往是

不固定的，它会随着光线、运动以及背景物体的移入/移出等变化而动态变化，

背景模型必须及时适应这些变化

.帧间差法(Tcmpora一Diffcrcnee)

帧间差法138，，42一，43]原理如图1.7，该方法主要利用时间信息，通过比较图像序

列中相邻帧间所有对应位置的像素点，并根据规则计算对应像素点的差值，

如果差值大于一定阀值，就认为该点对应位置有运动目标存在并提取该运动

目标。相邻帧差法采用单台摄像机，对动态环境有较强自适应性，但一般来

说使用该方法不能完全提取相关的特征像素点，得到的检测结果并非纯目标

.光流法(optiealFlow)

光流是图像亮度的运动信息描述，光流检测技术基于图像中相邻点的亮度相

似这一个前提，即图像中亮度变化平稳，在该前提下光流法将3维空间的图

像表面亮度点的速率信息映射为近似的2维运动场来进行计算。在目标检测

过程中，基于光流方法的运动检测139一40]应用运动目标随时间变化的流矢量特性在图像序列中检测运动区城，如果图像中没有运动目标，则光流矢量在整

个图像区域是连续变化的。采用光流场信息可以得到完整的运动信息，能很

好的从背景中检测得到不同的运动目标等前景，甚至可以检测到运动目标的

一部分，因此可以实现单一摄像机运动过程中独立运动目标的检测。但是算

法要对所有帧中的所有像素进行计算，所以算法计算量大、复杂耗时，如果

没有专门的硬件设备支持，很难实现视频实时检测。