论文部分内容阅读
随着计算机视觉和模式识别等学科的不断发展,视频分析作为智能视频监控系统的核心技术,正在越来越广泛地应用于公共场所的视频监控系统之中,以便更加智能地辅助监控人员维护公共安全。自“9.11”恐怖袭击事件之后,人们对公共场所的安全问题越来越关注。尤其是公共场所不明遗留物的检测问题,已经成为智能视频监控系统中一个不可或缺的监控内容。
遗留物自动检测问题的关键在于,如何在一个拥有高密度人群的复杂场景中准确、快速进行遗留物的定位,并及时向工作人员报警。在本论文中,我们对于遗留物的定义包括:被遗留的背包、行李箱等各种箱包;还包括如铁轨、公跨铁区域等重点监视路段上出现的可能危害铁路交通安全的危险落物。
通过对目前智能视频监控技术的研究和分析,论文对目前流行的遗留物自动检测算法进行了深入研究,设计并实现了一个适用于火车站站台、候车室、铁轨等场景的遗留物检测系统。
论文的贡献主要有以下几个方面:
第一,利用基于双背景模型的、累计分析双前景二值图的遗留物检测算法,可以较好解决候车室、广场等拥挤场所经常出现的遮挡问题,并且可以通过两个参数来分别控制遗留物开始报警的时间和算法对遮挡现象的鲁棒性强弱。
第二,利用改进的径向延伸滤波器可以去除光照变化引起的误检前景,提高了算法对光照变化的鲁棒件:同时还利用混合高斯模型中单个高斯分布的生命周期信息,从微观角度观测模型变化,提高了算法对动态背景的适应能力。
第三,通过利用梯度方向直方图进行行人检测的方法,实现了对静止行人和遗留物的分类,基本消除了因为场景中的静止行人而导致的误检;同时利用选择性跟踪来确定遗留物和主人之间的位置关系,最终决定是否对遗留物进行报警。
论文中的这套遗留物检测算法在PETS2006、PETS2007、I-LIDS三个公共数据集上进行了实验,并在从火车站现场拍摄和采集的一些监控视频上进行了测试,都取得了比较理想的实验结果。由于在监控视频中有时会在离摄像头较远处出现体积很小的遗留物,它们只有十几个像素大小,而且颜色较暗,即使用人眼也很难发现,而我们的算法可以准确检测出上述遗留物。因此,实验结果证明了论文中的算法可以较好地解决低分辨率视频图像中的小体积遗留物检测问题,并可以准确检测出同一场景中的多处遗留物。