论文部分内容阅读
基于视频的动态目标检测是计算机视觉领域的一个重要研究方向,在安防监控、智能交通、机器视觉导航等诸多领域都有着广阔的应用前景。目前,对智能交通领域来说,交通监控视频为交通部门提供实时路面信息,通过对监控场景内汽车、路人等运动目标的检测、跟踪、识别和分类处理,从而获得车速、车流量、交通治安等交通信息,为指导人员提供迅速直观的信息从而对交通事故和交通堵塞做出准确判断并及时响应。随着城市的快速迅猛发展,人流、车流量猛增,交通职能部门急切需要更清晰的视频、更多路监控的交通管理系统,然而当前网络带宽和投入成本的限制,使得公路交通监控数据量增大与网络带宽资源有限形成矛盾。针对以上问题,本文以交通监控视频为对象,利用压缩感知对信号的稀疏性和可压缩性,仅通过采集少量的信号观测值就可以准确地重构出稀疏信号这一特性,提出一种基于贝叶斯压缩感知的目标检测算法。论文的主要研究内容包括: 首先,分析和总结了压缩感知的基础理论。介绍了压缩感知理论的框架(包括信号稀疏表示、非相关观测和信号的重构)及相关的原理和发展状况,研究了目前主要的几种重构算法。 其次,介绍和总结了经典的动态目标检测算法。对目前主流的帧间差分法、背景减除法和光流法做了详细的说明和研究,并考虑实际监控应用中对算法的实时性和鲁棒性等需求,归纳了各种方法的优缺点和适用场合。 再次,研究压缩感知下的交通监控视频的目标检测算法。本算法首先采用小波基对视频信号进行稀疏,建立背景差分图像在压缩感知中的模型,分析和总结了五种随机观测矩阵在差分图像重构中的性能,用部分哈达玛测量矩阵进行观测。再证明了贝叶斯压缩感知对背景差分图像的重构可能性,提出在部分时间均衡的自适应背景更新方法,最后利用小波树结构的贝叶斯压缩感知重构算法完成目标图像的重构。该算法经过多个场景监控视频的测试,通过实验结果表明能有效实现车辆目标的检测,验证了该算法的可行性和准确性,同时减少视频采集和传输的信息量和成本,十分适合未来新型交通视频监控的需要。