1、隨著視頻監(jiān)控需求的迅速增長、監(jiān)控規(guī)模的日益擴(kuò)大，人工監(jiān)視已遠(yuǎn)遠(yuǎn)不能滿足監(jiān)控要求，視頻監(jiān)控系統(tǒng)的“智能化”變得越來越迫切。研究高實(shí)時(shí)性高準(zhǔn)確度的智能視覺分析算法、多目視覺數(shù)據(jù)融合以及最優(yōu)化問題是智能視頻監(jiān)控系統(tǒng)研究的關(guān)鍵。本文針對(duì)智能視頻監(jiān)控系統(tǒng)中的運(yùn)動(dòng)目標(biāo)跟蹤與分類問題——從運(yùn)動(dòng)目標(biāo)分割、跟蹤和分類，到基于多目視覺數(shù)據(jù)融合的目標(biāo)連續(xù)罡艮蹤、跟蹤優(yōu)化分配以及目標(biāo)分類/跟蹤互協(xié)作，進(jìn)行了深入研究，并設(shè)計(jì)和實(shí)現(xiàn)了基于嵌入式CPU和DSP相互協(xié)

2、作的智能攝像機(jī)原型系統(tǒng)。論文的主要研究內(nèi)容概述如下： 1.基于區(qū)域分割的復(fù)雜背景建模算法研究 針對(duì)復(fù)雜監(jiān)控場(chǎng)景，為了消除動(dòng)態(tài)背景物、光照變化所產(chǎn)生的干擾以及無關(guān)的陰影區(qū)域，提出了基于區(qū)域分割的復(fù)雜背景建模算法。通過在色度和亮度空間對(duì)監(jiān)控背景進(jìn)行有效的區(qū)域分類，在變化小的穩(wěn)定區(qū)域采用簡(jiǎn)單快速的自適應(yīng)單高斯模型(Adaptive Single Gaussian Model)，在變化大的動(dòng)態(tài)區(qū)域采用計(jì)算復(fù)雜而有效的非參數(shù)化模型

3、(Nonparametric Model)。該算法采用通用合并方法(GAS)聚類填充動(dòng)態(tài)區(qū)域中的小空隙，并在邊界處向外適當(dāng)擴(kuò)充像素，以提高區(qū)域分割對(duì)動(dòng)態(tài)環(huán)境的適應(yīng)性。在動(dòng)態(tài)區(qū)域非參數(shù)化背景建模的訓(xùn)練階段，采用雙閥值順序算法方案(TTSAS)把所有的背景采樣值聚類成幾個(gè)高斯分布類，以加速新采樣值的核密度計(jì)算； 2.基于模型動(dòng)態(tài)切換的運(yùn)動(dòng)目標(biāo)實(shí)時(shí)跟蹤算法研究 針對(duì)擁擠的監(jiān)控場(chǎng)景，為了實(shí)現(xiàn)遮擋狀態(tài)下目標(biāo)跟蹤的穩(wěn)定性，提出基于模

4、型動(dòng)態(tài)切換的運(yùn)動(dòng)目標(biāo)實(shí)時(shí)跟蹤算法。通過對(duì)目標(biāo)遮擋狀態(tài)的有效判定，對(duì)未遮擋的單運(yùn)動(dòng)目標(biāo)采用基于區(qū)域跟蹤的簡(jiǎn)單快速模型，對(duì)相互遮擋的復(fù)合運(yùn)動(dòng)目標(biāo)采用基于窄基線SIFT特征匹配的跟蹤模型。由于被跟蹤目標(biāo)在相鄰圖像幀之間尺度和外形變化很小以及基于目標(biāo)位置預(yù)測(cè)出的運(yùn)動(dòng)范圍有限，SIFT特征匹配模型實(shí)現(xiàn)了快速的窄基線小范圍特征匹配，達(dá)到了遮擋狀態(tài)下目標(biāo)跟蹤的穩(wěn)定性； 3.基于多目視覺的目標(biāo)連續(xù)跟蹤及跟蹤優(yōu)化研究 針對(duì)廣域監(jiān)控場(chǎng)景，提

5、出一種基于多目視覺的目標(biāo)連續(xù)跟蹤及跟蹤優(yōu)化方法。利用攝像機(jī)背景圖像之間的SIFT特征匹配自動(dòng)檢測(cè)攝像機(jī)之間的重疊視域，并根據(jù)相匹配的SIFT關(guān)鍵點(diǎn)計(jì)算重疊視域之間單應(yīng)性變換矩陣的系數(shù)，SIFT特征匹配和單應(yīng)性變換使跟蹤系統(tǒng)達(dá)到了穩(wěn)定的連續(xù)跟蹤。為了在目標(biāo)跟蹤過程中獲得更好的跟蹤效果，該方法通過基于多目視覺的跟蹤優(yōu)化算法對(duì)目標(biāo)的跟蹤優(yōu)先級(jí)和目標(biāo)在各個(gè)攝像機(jī)中的遮擋狀態(tài)及其分割圖像大小進(jìn)行數(shù)據(jù)加權(quán)融合，優(yōu)先分配高僥先級(jí)目標(biāo)給具有最佳權(quán)值的攝

6、像機(jī)進(jìn)行跟蹤，并動(dòng)態(tài)平衡各個(gè)攝像機(jī)的計(jì)算資源與跟蹤負(fù)載。該方法不需要具備攝像機(jī)校正和場(chǎng)景建模條件，適用范圍較廣； 4.運(yùn)動(dòng)目標(biāo)分類算法研究 針對(duì)交通監(jiān)控場(chǎng)景特點(diǎn)，提出基于分區(qū)歸一化加權(quán)特征的目標(biāo)分類算法。通過提取簡(jiǎn)單有效的運(yùn)動(dòng)特征和外形特征，并對(duì)交通監(jiān)控場(chǎng)景中不同交通方向的道路區(qū)域和不同的場(chǎng)景位置進(jìn)行分區(qū)，以提高目標(biāo)特征的可區(qū)分性。在分區(qū)后應(yīng)用AdaBoost方法評(píng)估各個(gè)特征的相對(duì)重要性，賦給每個(gè)特征一個(gè)歸一化權(quán)值，最后

7、生成一個(gè)線形分類器。由于遮擋狀態(tài)會(huì)嚴(yán)重影響目標(biāo)分類算法的性能，通過基于重疊攝像機(jī)數(shù)據(jù)融合的目標(biāo)分類與跟蹤互協(xié)作改善了擁塞場(chǎng)景中目標(biāo)分類算法的正確率。借助于重疊攝像機(jī)之間不同的視角方向，利用攝像機(jī)之間的視點(diǎn)對(duì)應(yīng)和數(shù)據(jù)融合決定最優(yōu)的分類與跟蹤結(jié)果，提高了遮擋狀態(tài)下運(yùn)動(dòng)目標(biāo)分類的準(zhǔn)確度和目標(biāo)跟蹤的穩(wěn)定性。 在以上研究基礎(chǔ)之上，本論文最后針對(duì)智能視頻監(jiān)控系統(tǒng)的核心功能單元——嵌入式智能攝像機(jī)系統(tǒng)，設(shè)計(jì)一種新型的實(shí)時(shí)嵌入式智能攝像枧系統(tǒng)，