论文部分内容阅读
随着全球水产品消费需求的急剧增加，水产养殖行业的得到了快速发展，但因养殖场所开放度高、养殖空间大、不易管理和监控等特点，养殖对象和养殖设施经常会遭受不法分子的盗窃和破坏，严重影响了我国养殖产业的持续健康有序的发展。而视频监控系统具有成本低，使用时间长，智能化水平高，监控准确等特点被广泛应用于监控和防盗中。 本文以渔场监控环境为应用场景，在摄像机静止的情况下，对视频监控系统中最为基本、最为关键的智能分析技术，即运动目标的检测和跟踪技术展开讨论和研究。对现有的相关算法进行了较为深入地分析、总结和比较，最终结合渔场实际监控环境，提出了本文的改进算法，较好地解决了目前算法的缺点和不足。在此基础之上，初步设计和开发了针对渔场实际环境下的智能视频监控系统，为渔场规模化、智能化养殖提供了良好的参考价值和研究价值。本文的主要工作包括以下四个部分： 首先，在图像处理部分，选择更加符合人类视觉特性的HSV颜色空间，并比较了三种滤波效果，采用了OTSU分割算法对目标检测后的图像进行了分割，为了准确地提取运动目标，改善图像分割效果，保证目标检测和跟踪的正确性和准确性，提出一种基于形态学和区域连通性的图像除噪算法，在一定程度上减少了外界噪声对后续目标检测与跟踪的影响。 其次，在运动目标检测部分，深入地分析了常用的运动目标检测算法：帧间差分法和背景差分法的原理和特点，并对实验结果的进行了分析和比较，最后给出了这两种主流算法的优缺点。在此基础之上，结合渔场监控场景的复杂性，选用了混合高斯背景建模的方法，提出一种基于帧间差分与混合高斯背景模型的检测算法，通过实验验证了该算法的有效性和优越性。 再次，在运动目标跟踪部分，深入研究了基于连续自适应均值漂移的目标跟踪算法，并用实验结果进行了分析和验证，指出了该算法的优缺点。在上述的研究基础之上，针对该算法的出现的不足和缺点，并结合渔场实际场景的要求，提出了一种基于卡尔曼滤波器的连续自适应均值漂移目标跟踪算法。实验结果表明了该算法解决了自适应均值漂移跟踪算法的对相似颜色物体敏感、难以跟踪遮挡问题、鲁棒性低、快速运动的目标跟踪不准确等问题。为了进一步验证本文改进算法在渔场监控的适用范围广，鲁棒性高等性能，分别对单个运动目标、多个运动目标以及遮挡情况下的多个目标跟踪进行了实验验证。 最后，利用Microsoft Visual Studio2008开发平台和Intel开源计算机视觉库OpenCV2.1，初步设计和开发了针对渔场环境下的智能视频监控系统，并介绍了系统各个部分的功能，为渔场的规模化和智能化养殖提供了良好应用平台。