论文部分内容阅读
近年来安全视频监控系统越来越多地应用于变电站中,随着无人值守变电站的推行,传统的视频监控系统已经无法满足变电站监控无人化和智能化要求。在计算机视觉处理科学中,智能视频分析技术已经成为一个炙手可热的课题,以运动目标检测、跟踪、分类等算法为核心技术的智能视频监控系统能够有效地减少人力消耗,提高视频处理的准确度和实时性。因此,引入智能视频分析技术是变电站视频监控发展的必然趋势,研究智能视频分析算法在变电所中的应用具有十分重要的意义。本文针对智能视频分析算法中的目标检测和跟踪算法进行了研究,并对其在变电所中的几种典型应用给出了算法解决方案。本文的主要研究内容如下：1、对三种常用的目标检测算法：帧间差分法、背景差分法、光流法,以及两种目标跟踪算法：mean-shift和cam-shift算法分别进行了分析与研究,阐述了各算法的原理以及优缺点。2、研究了变电站中智能视频分析算法的应用范围。对变电站中工作人员安全帽佩戴情况的智能视频监视,本文提出一种基于颜色空间和质心位置的检测算法,并通过实验对其效果进行了验证。3、针对变电站中对运动过程信息检测和跟踪要求不高的开关状态、物品遗留等情况,本文运用了传统的背景差分法进行检测分析。而对于变电站中对运动过程信息要求较高的人员运动以及异物入侵等情况的检测和跟踪,本文针对常用的目标检测算法具有检测出的运动目标区域不够完整以及对环境干扰敏感程度高等缺点,提出了一种先利用中值滤波法进行背景建模,再将帧问差分法和背景差分法相结合的检测算法,并通过实验比较了相邻帧差法、三帧差分法以及本文算法的检测效果。4、在目标跟踪方面,本文先利用Kalman滤波器预测运动目标在下一帧中可能出现的位置,确定搜索范围,再结合cam-shift算法进行目标跟踪。本文希望通过对算法的优化改进,可有效减少跟踪算法的搜索计算量,以便迅速可靠地预测与跟踪目标的运动轨迹。