智能视频监控中的行人车辆检测算法研究

摘要..............................................................................................................................................I Abstract............................................................................................................................................II 第一章绪论. (1)

1.1课题研究背景与意义 (1)

1.2国内外研究现状 (1)

1.3相关技术概述 (2)

1.3.1背景建模技术 (2)

1.3.2目标检测技术 (4)

1.3.3目标分类技术 (5)

1.4论文结构 (6)

第二章基于高斯混合背景建模的分块背景更新 (7)

2.1图像预处理 (7)

2.2单高斯模型 (8)

2.3高斯混合模型 (10)

2.4改进的背景更新模型 (13)

2.5实验结果对比 (15)

2.6本章小结 (19)

第三章行人车辆的特征提取 (21)

3.1目标检测 (21)

3.2运动目标的分割 (21)

3.3行人特征提取 (24)

3.4车辆特征提取 (27)

3.5实验结果对比 (30)

3.6本章小结 (31)

第四章融合SVM与AdaBoost的特征分类算法 (32)

4.1基于监督学习的模式识别 (32)

4.2支持向量机 (33)

4.3AdaBoost算法 (35)

4.4改进的AdaBoost算法 (37)

4.5实验结果对比 (40)

4.6本章小结 (42)

第五章总结与展望 (43)

5.1论文总结 (43)

5.2论文展望 (44)

参考文献 (46)

致谢 (51)

攻读硕士学位期间的研究成果 (52)

浙江理工大学硕士学位论文智能视频监控中的行人车辆检测算法研究

第一章绪论

1.1课题研究背景与意义

随着经济建设的快速发展、社会的迅速进步以及综合国力的不断增强，在公共安防领域对安全防范和现场记录的需求与日俱增，这就意味着人们对视频监控的要求越来越高。基于最初的视频监控有着巨大的局限性，近十几年的视频监控系统通过将视频信号模拟数字化进行初步的改良，最后演变为以服务器为主的完全数字化系统[1]，不仅大大的优化了系统结构和设备，还提升了系统处理视频信息的性能。

智能视频监控系统是图像处理、模式识别和机器视觉等多个学科的交叉应用产物，已经成为计算机视觉领域中一个新兴的应用方向和备受关注的前沿课题[2]。作为当代高新科技的结晶，智能视频监控系统已经在生产生活各方面得到了非常广泛的应用，如交通道路监控系统、车库监控系统等。它采用图像处理技术对视频进行分析，对视频中的运动目标进行检测、识别和跟踪，通过人工智能的学习机制模拟人类智慧对实时场景进行评估[3]。当场景中出现异常事件时，系统能够及时检测出异常并快速做出预警。

随着社会的现代化发展，视频监控系统已经随处可见，广泛地存在于银行、商场、车站、交通路口等公共场所，甚至在私人住宅开始普及。现阶段大多数的视频监控系统只是简单的录制实时场景，对视频提供的信息不进行解析，在实际的监控任务中还是高度依赖人工解读视频。长时间高度集中的人工监控极易引起视觉疲劳，导致漏报率和误报率的上升。监控系统无法发挥主动性和智能性，降低了整个监控系统的性能。

如果将人为的视频监控系统改进为通过智能分析模拟人工判断的监控系统，实现从人为化到智能化的转变，就能够提升监控能力、减少不安全隐患。通过智能分析模拟人工判断，不仅可以节省监控成本，还能降低误报率和漏报率，及时提供正确可靠的决策和支持，因此视频监控的“智能化”就显得十分重要。

1.2国内外研究现状

上个世纪九十年代，国内外的学者开始利用图像处理技术对视频中的行人和车辆进行检测。1996年开始，卡内基梅隆大学与麻省理工学院等十几所国际顶尖大学就视频监控项