【摘要】：隨著社會(huì)經(jīng)濟(jì)和城市建設(shè)的快速發(fā)展，城市人口的急劇膨脹給社會(huì)治安帶來了非常大的壓力。近年來，隨著數(shù)字圖像處理技術(shù)的不斷進(jìn)步，智能視頻監(jiān)控系統(tǒng)越來越普及，它在建設(shè)智能城市、平安城市和智慧城市方面發(fā)揮著至關(guān)重要的作用。在計(jì)算機(jī)視覺領(lǐng)域，目標(biāo)檢測(cè)是智能視頻監(jiān)控系統(tǒng)的最核心部分，是視頻場(chǎng)景分析、處理和行為理解等視頻內(nèi)容分析的基礎(chǔ)。然而，由于視頻監(jiān)控場(chǎng)景的復(fù)雜性，使目標(biāo)檢測(cè)方法的研究仍然面臨很多挑戰(zhàn)。 陰影是自然界中普遍存在的一種光學(xué)現(xiàn)象，也是一種常見的圖像降質(zhì)現(xiàn)象，具有與目標(biāo)相似的兩種視覺特性。一種是陰影與背景具有明顯的差異性，另一種是陰影與目標(biāo)具有相同的運(yùn)動(dòng)特性，這兩種特性使得它很容易被誤檢測(cè)為目標(biāo)。陰影的存在可能會(huì)造成目標(biāo)粘連、目標(biāo)形狀扭曲，甚至目標(biāo)丟失，致使目標(biāo)檢測(cè)的準(zhǔn)確率降低，嚴(yán)重影響后續(xù)的視頻內(nèi)容分析。因此，陰影檢測(cè)成為智能視頻監(jiān)控系統(tǒng)中的一個(gè)關(guān)鍵問題，具有重要的理論意義和廣泛的應(yīng)用價(jià)值。 基于陰影的光學(xué)模型，本文圍繞陰影檢測(cè)問題展開深入研究，并提出了四種不同的運(yùn)動(dòng)陰影檢測(cè)方法。通過在標(biāo)準(zhǔn)視頻測(cè)試序列中的仿真實(shí)驗(yàn)以及與經(jīng)典方法的對(duì)比，驗(yàn)證了本文方法的有效性和優(yōu)越性。主要工作總結(jié)如下： 1.當(dāng)目標(biāo)與背景顏色相近時(shí)，目標(biāo)常被誤檢測(cè)為陰影。為了克服單一類型顏色特征的不足，結(jié)合陰影與背景的紋理一致性，，提出了基于顏色和紋理相結(jié)合的運(yùn)動(dòng)陰影檢測(cè)方法。首先，利用HSV顏色空間中的亮度和色度對(duì)前景區(qū)域進(jìn)行檢測(cè)；同時(shí)，使用局部二值模式（Local Binary Patterns，LBP）和局部方差（Local Variance）分別描述前景區(qū)域的紋理，并通過計(jì)算與背景的紋理相似度進(jìn)行檢測(cè)。然后，采用邏輯操作融合這兩種結(jié)果，得到最終的檢測(cè)結(jié)果。該方法同時(shí)考慮了陰影的顏色恒常性和紋理一致性，使這兩類特征能夠?qū)崿F(xiàn)優(yōu)勢(shì)互補(bǔ)，取得了比較好的檢測(cè)結(jié)果。 2.傳統(tǒng)的多特征陰影檢測(cè)方法中，大多是在串行模式下獨(dú)立使用每個(gè)特征并通過與/非邏輯機(jī)制判斷前景像素是否屬于陰影。與這些方法不同，提出了基于多特征融合的運(yùn)動(dòng)陰影檢測(cè)方法，它同時(shí)考慮了亮度、顏色和紋理特征在并行模式下的使用。除亮度特征外，首先，從多個(gè)顏色空間和多尺度圖像中分別提取顏色特征，并利用多通道的信息熵和LBP描述紋理特征；然后，對(duì)各個(gè)特征進(jìn)行歸一化，并采用不同的決策級(jí)融合策略得到最終的特征圖；最后，通過閾值法對(duì)特征圖二值化，實(shí)現(xiàn)陰影與目標(biāo)的分類。通過在不同視頻序列中的大量實(shí)驗(yàn)表明，線性加權(quán)的融合策略達(dá)到了較高的準(zhǔn)確率，而且優(yōu)于經(jīng)典的陰影檢測(cè)方法。 3.為了克服基于像素的方法對(duì)噪聲或不確定因素敏感的不足，提出了基于自適應(yīng)區(qū)域分割的運(yùn)動(dòng)陰影檢測(cè)方法。該方法分別利用兩種自適應(yīng)分割算法劃分前景區(qū)域，一種是吸引力傳播（Affinity Propagation，AP）算法；另一種是分水嶺算法。前者將前景圖像分成不重疊的小塊，提取其顏色特征并使用AP實(shí)現(xiàn)分割；后者利用分水嶺算法對(duì)前景圖像的梯度圖像進(jìn)行分割，通過像素的梯度變化得到若干個(gè)子區(qū)域。然后，通過比較子區(qū)域的梯度變化、相鄰幀以及當(dāng)前幀與背景之間的子區(qū)域紋理相似度進(jìn)行分類。該方法同時(shí)考慮了幀內(nèi)和幀間的子區(qū)域紋理變化，探索的實(shí)現(xiàn)了時(shí)空特征的結(jié)合。大量的實(shí)驗(yàn)結(jié)果表明，自適應(yīng)區(qū)域分割方法與規(guī)則分塊方法相比，更能保持區(qū)域的特征一致性；與基于像素的方法相比，具有更好的魯棒性。 4.現(xiàn)有的陰影檢測(cè)方法中，許多都依賴于一些限制性的假設(shè)條件和場(chǎng)景的光照變化，甚至要求每個(gè)視頻都要有一組固定的參數(shù)，然而這在復(fù)雜的監(jiān)控場(chǎng)景中并不適用。針對(duì)此問題，提出了基于統(tǒng)計(jì)判別模型的運(yùn)動(dòng)陰影檢測(cè)方法。首先，從人工標(biāo)記的像素中提取不同類型的特征并組成特征向量作為原始樣本，特征個(gè)數(shù)即樣本的維數(shù)；然后，采用偏最小二乘（Partial Least Squares，PLS）對(duì)原始樣本進(jìn)行維數(shù)約簡(jiǎn)，同時(shí)使用Logistic判別（Logistic Discrimination，LD）分類，構(gòu)建統(tǒng)計(jì)判別模型PLS-LD；最后，對(duì)輸入的待檢測(cè)像素，利用PLS-LD對(duì)其分類。該方法不依賴閾值，能夠自動(dòng)判斷像素的類別。通過對(duì)不同視頻序列的測(cè)試以及交叉訓(xùn)練測(cè)試，驗(yàn)證了該方法的有效性和泛化能力。
【圖文】：

隨著社會(huì)經(jīng)濟(jì)和城市建設(shè)的快速發(fā)展，城市人口的急劇膨脹給社會(huì)治安帶來了非的壓力。因此，視頻監(jiān)控系統(tǒng)便應(yīng)運(yùn)而生。近幾年，隨著計(jì)算機(jī)、互聯(lián)網(wǎng)和芯片技發(fā)展，視頻監(jiān)控已經(jīng)逐漸從 20 世紀(jì) 70 年代開始的模擬視頻監(jiān)控、20 世紀(jì) 90 年代字視頻監(jiān)控發(fā)展到目前的智能視頻監(jiān)控系統(tǒng)（Intelligent Video Surveillance，IVS）能視頻監(jiān)控系統(tǒng)對(duì)建設(shè)智能城市、平安城市和智慧城市具有至關(guān)重要的作用。視頻監(jiān)控技術(shù)的不斷發(fā)展以及功能的不斷完善，使其在政府機(jī)關(guān)、金融機(jī)構(gòu)、軍路交通運(yùn)輸、國(guó)防、航空航天以及住宅小區(qū)安全防范等領(lǐng)域發(fā)揮著越來越大的作著數(shù)字化視頻監(jiān)控系統(tǒng)的普及，監(jiān)控點(diǎn)不斷增多，視頻數(shù)據(jù)量也隨之增加，而隨之的大量視頻監(jiān)控?cái)?shù)據(jù)對(duì)用戶造成了困擾。一方面，需要大量的人力實(shí)時(shí)的對(duì)視頻監(jiān)進(jìn)行監(jiān)控，避免發(fā)生事故后無法及時(shí)報(bào)警。這不僅耗費(fèi)了大量的人力資源，而且經(jīng)時(shí)間的監(jiān)控，人對(duì)視頻監(jiān)視器的專注度就會(huì)降低，這樣難免會(huì)發(fā)生誤報(bào)甚至是漏報(bào)況。另一方面，需要增加場(chǎng)地建設(shè)視頻監(jiān)控中心，而且日常電能的消耗使視頻監(jiān)控成為用戶的重要負(fù)擔(dān)。因此，數(shù)字化、網(wǎng)絡(luò)化以及智能化是視頻監(jiān)控發(fā)展的必然趨為 eSpace 智能視頻監(jiān)控系統(tǒng)[2]的典型組網(wǎng)設(shè)計(jì)如下圖 1.1 所示。

如圖1.2(c)所示。 (a) (b) (c)圖 1.2 目標(biāo)檢測(cè)結(jié)果，第一行是原始視頻幀，第二行是對(duì)應(yīng)的檢測(cè)結(jié)果從計(jì)算機(jī)視覺角度分析，由于運(yùn)動(dòng)陰影與視頻場(chǎng)景中的背景具有明顯的差異性，同時(shí)又與運(yùn)動(dòng)目標(biāo)具有相同的運(yùn)動(dòng)特性，因此，運(yùn)動(dòng)陰影通常會(huì)被誤檢測(cè)為運(yùn)動(dòng)目標(biāo)，將會(huì)影響運(yùn)動(dòng)目標(biāo)的定位、跟蹤和識(shí)別等，進(jìn)而嚴(yán)重影響智能視頻監(jiān)控中的視頻場(chǎng)景分析和行為理解等視頻內(nèi)容分析�？梢姡\(yùn)動(dòng)陰影檢測(cè)是智能視頻監(jiān)控系統(tǒng)中一個(gè)不可避免的關(guān)鍵問題。近年來，運(yùn)動(dòng)陰影檢測(cè)已經(jīng)逐漸成為計(jì)算機(jī)視覺領(lǐng)域研究的熱點(diǎn)問題，而且得到了國(guó)內(nèi)外許多專家和學(xué)者的廣泛關(guān)注。有效的運(yùn)動(dòng)陰影檢測(cè)能夠提高復(fù)雜視頻監(jiān)控場(chǎng)景中運(yùn)動(dòng)目標(biāo)檢測(cè)的準(zhǔn)確率，對(duì)智能視頻監(jiān)控系統(tǒng)中視頻場(chǎng)景的分析、處理和理解等起到了
【學(xué)位授予單位】：東北師范大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2014
【分類號(hào)】：TN948.6

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 解蘭昌,黃峰,郭銘,董太和;顏色在視覺的心理學(xué)認(rèn)知結(jié)構(gòu)[J];光學(xué)儀器;1995年Z1期

2 ;Moving Shadow Detection and Removal for Traffic Sequences[J];International Journal of Automation & Computing;2007年01期

3 董士海;人機(jī)交互的進(jìn)展及面臨的挑戰(zhàn)[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2004年01期

4 劉宏;李錦濤;劉群;錢躍良;李豪杰;;融合顏色和梯度特征的運(yùn)動(dòng)陰影消除方法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2007年10期

5 查宇飛;楚瀛;王勛;馬時(shí)平;畢篤彥;;一種基于Boosting判別模型的運(yùn)動(dòng)陰影檢測(cè)方法[J];計(jì)算機(jī)學(xué)報(bào);2007年08期

6 曹健;陳紅倩;張凱;牛長(zhǎng)鋒;;結(jié)合區(qū)域顏色和紋理的運(yùn)動(dòng)陰影檢測(cè)方法[J];機(jī)器人;2011年05期

7 李宗民;公緒超;劉玉杰;;多特征聯(lián)合建模的視頻對(duì)象分割技術(shù)研究[J];計(jì)算機(jī)學(xué)報(bào);2013年11期

8 胡維生;顏色物理和CIE標(biāo)準(zhǔn)色度系統(tǒng)[J];物理;1982年04期

9 趙永鋒;王毅剛;;采用手指的三維人機(jī)交互方法[J];微電子學(xué)與計(jì)算機(jī);2009年06期

10 鮑海英;李艷;尹永宜;;城市航空影像的陰影檢測(cè)和陰影消除方法研究[J];遙感信息;2010年01期

本文編號(hào)：2561231