《智能视频监控中运动目标检测与跟踪技术研究及实现.pdf》由会员分享，可在线阅读，更多相关《智能视频监控中运动目标检测与跟踪技术研究及实现.pdf（66页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、中南民族大学硕士学位论文智能视频监控中运动目标检测与跟踪技术研究及实现姓名：贾茜申请学位级别：硕士专业：通信与信息系统指导教师：谢勤岚20090422中南民族大学硕士学位论文I 摘 要基于计算机视觉的智能视频分析融合了图像处理、模式识别、人工智能、自动控制及数学和计算机科学等多个学科领域的技术，具有重要的科学意义和广阔的应用前景。随着信息技术的高速发展以及安全形势的迫切需要，人们对安防设备的性能要求日益提高。利用计算机视觉技术，提高视频监控系统的自动化、智能化是未来的发展方向。运动目标检测与跟踪是视频监控中的一个重要任务，它是后续各种高级处理的基础，如模式识别、行为分析等。现实的监控环境往往是
2、错综复杂、变化无常的，探求能够从容应对复杂环境的各种变化，快速、准确而稳定的检测和跟踪目标的方法是该课题的主要研究内容。本论文以实现智能化视频监控系统这一背景为基础，重点针对智能视频监控系统中运动目标的检测和跟踪这两个关键技术进行研究，以期获得满足智能视频监控更为实用的算法，以及系统整体的闭环控制方法。论文针对运动目标检测与跟踪算法及其发展进行了全面的综述。首先，回顾了若干常用的运动目标检测算法，包括光流法、时域差分法、背景差分法，并阐述了基于高斯背景建模的前景检测方法；然后，对常用的跟踪算法作出了分类，并深入讨论了 Mean Shift 理论及相关的目标跟踪算法。针对这些算法，探讨了各方法的
3、原理，并分析、比较它们各自的优缺点和适用范围。在此基础上，论文完成了三个方面的工作：结合帧差法和 CAMShift 算法，设计了一种自动的运动目标检测与跟踪算法。首先用时间连续的三帧双差分对运动目标识别和提取，自动的选取跟踪框；再通过 CAMShift 算法计算目标的精确位置并调整跟踪窗口大小。将上述改进的目标检测与跟踪算法完成了在 DSP 上的实现，并设计了一个由 DM642-PCI 开发板和伺服机云台组成的闭环控制系统。该系统首先自动检测运动目标，再在每一帧中通过 CAMShift 算法计算目标的精确位置；最后将目标质心与视野中心的偏差信息转化成控制协议，通过串口发送，驱动云台转动来改变摄
4、像机视野，使目标始终可见。利用 CCS2.2 开发环境，在以 TMS320DM642为核心的硬件平台上实现了系统的软件算法。设计了一种高速球形摄像机 PTZ 跟踪的控制策略。球形摄像机机能在水平、垂直、光轴三个方向运动，360范围全方位高速旋转。在球机机械参数未知的情况下，通过控制球机做间歇性转动，调整球机 P/T 方向姿态角度使被跟踪对象始终可见；当视野中心对准目标后，控制球机开始进行变倍动作对图像缩放，可以观察或抓拍目标局部细节。同时，针对球机变倍控制中跟踪窗口大小自适应调整的问题，利用 SIFT 特征匹配算法设计了一种计算球机变倍率的方法，并给出智能视频监控中运动目标检测与跟踪技术研究及
5、实现II了一种在 RGB 颜色模型中基于 Mean Shift 的跟踪算法。基于 PELCO 协议，利用 VS2005 和 OpenCV 软件平台，实现了 PTZ 跟踪的整体流程。论文的主要研究集中在算法和系统控制流程设计上，而对它们结合硬件的实现为实验性的工作，搭建了系统平台。为了发挥 DSP 的强大性能，还需对嵌入式软件进一步优化，而这是个非常需要时间和工程项目经验的工作。对于球机PTZ 跟踪策略，通过实验证明能有效、实时的跟踪目标，并能够控制球机放大拍摄目标的局部细节，在犯罪取证的应用场合有一定参考价值。由于目前对于 PTZ跟踪实现方面的参考资料较少，本文策略为预演性的研究，离真正的商业
6、化用途仍有一定差距。关键词：智能视频监控；运动目标检测与跟踪；TMS320DM642；Mean Shift 算法；高速球形摄像机；PTZ 控制中南民族大学硕士学位论文IIIAbstractComputer vision-based intelligent video analysis combines many technologiesincluding image processing,pattern recognition,artificial intelligence,automaticcontrol,mathematics and computer science,etc,and ha
7、s vital scientific significanceand broad applied prospects.Along with the fast development of informationtechnology as well as the urgent need of security situation,the requirement for higher-powered security equipment is ever-increasing.It is becoming the developmentaldirection in the future that m
8、aking video surveillance system be roboticized andintellectualize through computer vision technology.Both motion target detection andtracking are important tasks in video surveillance for they are the cornerstones of thefollowing each kind of high-level processing,like pattern recognition,behavioran
9、alysis,etc.Since the realistic monitoring environment is often complicated andconstantly changing,it is the main research content that searching the method whichcan manage various kinds of change in complex environment,and detect and tracktarget rapidly,accurately and stably.Based on the background
10、of realizing intellectualized video surveillance system,this paper mainly research on two key technologies in the intelligent video surveillancesystem,namely motion target detection and tracking.The purpose is to design the morepractical algorithm and form closed-loop controlling method in whole to
11、realize theintelligent video surveillance.The paper has given a comprehensive summary of the motion target detection andtracking algorithms and their development.Several commonly used motion targetdetection algorithms are firstly reviewed,including optical flow,time-difference,background-difference,
12、then the method of foreground detection based on the Gaussbackground model is elaborated.A classification of the motion target trackingalgorithms is also made,and tracking algorithm based on the Mean Shift is thoroughlystudied.The principles,advantages/disadvantages,and the sphere of applications of
13、these algorithms have been analyzed and compared.With this understanding,the paperhas been fulfilled following three works:An automatic tracking system has been designed by the means of combiningdifferencing-frame and CAMShift.Firstly,foregroundbackground is detected throughsequential three-frame-do
14、uble-difference.The CAMShift Algorithm is then used tocalculate the exact location of the target and adjust the size of search window.智能视频监控中运动目标检测与跟踪技术研究及实现IVThe above-mentioned improved motion target detection and tracking method hasbeen implemented on DSP.A closed-loop system based on DM642-PCI b
15、oard andservo cradle head has been also designed.To begin with,the system detect movingtarget automatically,and then the CAMShift Algorithm is used to calculate the exactlocation of the target.The information of the warp between the targets center and thefocus of the cameras eyeshot is transformed i
16、nto the protocol commands and sent viathe serial port lastly,to rotate the cradle head to change cameras eyeshot formaintaining the target visible in the scene.The software algorithms have implementedon the hardware with the core of TMS320DM642 by CCS2.2.A kind of tactic of PTZ tracking controlling
17、based on high speed sphericalcamera has been designed.Spherical camera is active along three directions of pan,tileand zoom,and it is able to rotate fleetly with 360.Under the situation of the spherecameras mechanical parameter unknown,P/T directionless posture angle of thespherical camera is adjust
18、ed through controlling it to rotate intermittently to maintainthe target visible in the scene.After the center of eyeshot aiming at target accurately,spherical camera starts to zoom for observing or shooting the target with its localdetails.Furthermore,a method of compute the zooming ratio based on
19、SIFTcharacteristic matching has been designed for solving the issue of the trackingwindows needing adaptively adjusted in the process of zooming,as well as a trackingalgorithm in RGB color model based on the Mean Shift.Based on PELCO protocol,the whole flow of PTZ tracking has been implemented by VS
20、2005 and OpenCV.In this paper,the main research focus on the algorithms and the design of thesystems controlling flow,but implementing on the hardware is an experimental workfor just building the system platform.In order to exert the powerful performance of theDSP,there is a further work to optimize
21、 the embedded software,which needs time andthe engineering experiences considerably.Regarding PTZ track strategy of sphericalcamera,the experimental results show that it is able to tracking effectively,real-timely,and can control the spherical camera to zoom image for shooting the target with itspar
22、tial details.It has certain reference value in the application of crime evidencecollection.Since few references about the PTZ tracking realization are available atpresent,the strategy in the paper is only the preview research,still has certain gap tothe true commercialized use.Key words:Intelligent
23、video surveillance;Motion target detection and tracking;TMS320DM642;Mean Shift algorithm;High speed spherical camera;PTZ controlling中南民族大学学位论文原创性声明中南民族大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者
24、签名：日期：年 月 日学位论文版权使用授权书学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权中南民族大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于1、保密，在_年解密后适用本授权书。2、不保密。（请在以上相应方框内打“”）作者签名：日期：年 月 日导师签名：日期：年 月 日中南民族大学硕士学位论文1第 1 章 绪 论智能视频监控（IVS，Intelligent Video Surveillan
25、ce）源自计算机视觉（CV,Computer Vision）技术。计算机视觉是在图像处理的基础上发展起来的新兴学科，在计算机科学和工程、信号处理、物理学、应用数学和统计学，神经生理学和认知科学等研究方面，在制造业、检验、文档分析、医疗诊断，和军事等领域等各种智能、自主应用方面，都有非常广阔的发展前景。计算机视觉就是用各种成像系统代替人体视觉器官作为输入敏感手段，由计算机来代替人脑完成数字图像处理和解释。它是人工智能（AI,Artificial Intelligent）研究的分支之一，最终研究目标就是使计算机能像人那样通过视觉观察和理解世界，具有自主适应环境的能力。视频监控中所提到的智能视频分析
26、技术主要是指“自动的分析和抽取视频源中的关键信息”。基于计算机视觉的智能视频技术借助计算机和各种数字信号处理器强大的数据处理功能，能对视频画面中的海量数据进行高速分析，过滤掉用户不关心的信息，仅为监控者提供有用的关键信息。1.1 课题研究背景及内容近几十年来，传统的监控系统已可以完成对场景实时监视、拍录的诉求，但它们较多的集中在以 PC 机为终端，要求监控者始终监视屏幕来获得视频信息，通过人为的理解和判断才能得到结论做出相应的决策。然而当监控场景画面众多、物体运动行为繁杂时，要安检人员长时间监视画面是一项繁重而效率低下的工作。而且，传统监控系统的监控能力和控制有效性还停留在人为识别、手动控制、
27、事后取证的阶段，无法起到预警、实时监控的作用，使事故防患于未然。随着现代社会对监控系统需求不断增长、性能诉求不断提高、环境越来越复杂，监控任务将逐渐超过人力所能控制的范围，尤其是在一些特殊的应用场合，如监视具有战略意义的军事基地、重要的机密场所，或者人力难以到达的地区的资源探测等方面。为了让视频监控系统具有预警防范和主动监测的功能，就需要监控系统能够对大量的视频信息进行分析、理解，从中提取有用的信息，智能视频分析系统在此背景下应运而生。智能视频监控就是依赖计算机视觉技术，在不需要人为干预的情况下，通过对摄像机拍摄的视频图像序列进行自动分析，实现对场景中目标定位、识别和跟踪，并在此基础上理解和描
28、述目标的行为，从而做到既能完成通常监视任务又能在异常情况出现时及时做出反应。它涉及计算机视觉、图像处理、模式识别等方面的技术，其处理过程由低到高可分为：运动目标检测（分类）、目标跟踪、行智能视频监控中运动目标检测与跟踪技术研究及实现2为理解与描述四个阶段1。一般的处理框架如图 1.1 所示，其中，运动检测、目标分类、目标跟踪属于中、低级视觉问题(Low-level and Intermediate-level Vision)，而行为理解和描述则属于高级视觉(High-level Vision)。尽管目标检测与跟踪处于计算机视觉问题的中低级阶段，但它们是智能视频监控技术中的基础，是更多高级处理的
29、前提。原始图像序列运动目标检测、分类运动目标跟踪行为理解、描述图 1.1 视频监控系统流程及研究内容运动目标的检测是指从图像序列中将感兴趣的区域从背景图像中提取出来，使之成为一个有意义的实体。它是智能视频监控中一个基础而又关键的任务，是运动目标跟踪识别、事件检测的前提，其检测质量直接关系着后续处理的质量，几乎每一个基于视频的监控系统都是从目标检测这一步开始的。运动目标跟踪是指在捕获到的目标初始状态和通过特征提取得到的目标模型基础上，进行一种时空结合的目标状态估计。如果说运动目标检测是在一帧中检测到有意义的实体，那么跟踪则是在序列图像中把每一帧检测到的实体关联起来，形成序列图像中的实体。根据实体
30、的特征可以对目标进行分类和索引，而根据它的运动轨迹则可以对目标进行行为分析和理解，因此跟踪是视频监控中最为关键的部分。本论文以实现智能化视频监控系统这一背景为基础，重点针对智能视频监控系统中运动目标的检测和跟踪这两个关键技术进行研究，以期获得满足智能视频监控更为实用的算法以及系统的整体闭环控制方法。1.2 国内外研究历史及现状计算机视觉成为一门独立的学科，至少可以从美国麻省理工学院 Marr 教授这一代人所做的奠基工作开始，因此已有 20 至 30 年的历史。上世纪 50 年代初期，美国开发了自动地形识别跟踪系统（ATRAN）。进入 70 年代后，各种自适应跟踪方法被相继提出，随着相关理论与技
31、术的不断发展，目标跟踪技术无论从应用还是研究上都取得了巨大进展。到目前，美国、欧洲和日本等发达国家己发展到自动化视觉监控，正迅速向全数字智能视觉监控技术发展。在美国、英国等国家已经开展了大量相关项目的研究。1997 年美国国防高级研究项目署设立了以卡内基梅隆大学为首、麻省理工学院等高校参与的视觉监控重大项目VSAM(Visual Surveillance and Monitoring)2；英国雷丁大学，已开展了对车辆和行人的跟踪及其交互作用识别的相关研究；美国 ARDA 机构在 2003 年开始主持一项高级研究计划 VACE(Video Analysis and Content Extract
32、ion)3。中南民族大学硕士学位论文3我国对于视觉监控技术的研究起步较晚。目前，在国内的研究机构中，中国科学院北京自动化研究所下属的模式识别国家重点实验室在视频监控研究中处于领先地位，取得了诸多成果 35。近十几年来，国内的许多大学和研究机构也相继开展相关研究，如：北京航空航天大学机器人实验室、中科院计算机所6、浙江大学人工智能研究所、华中科技大学图像所等等。另外，近年来湖北莲花山计算机视觉研究院，在视频分析、图像语义解析等方面也取得了一定成果，他们研发的智能视频分析系统通过网络摄像头自动识别和跟踪行人、车辆等目标，检测复杂的行为事件，并且采用三维定标可以输出目标的物理位置、速度和运动方向。另
33、外，在软件平台方面计算机视觉市场巨大且持续增长，但却没有标准 API来支持软件开发，其软件技术和产品主要来自：研究代码、耗费高的商业化工具、依赖硬件的特殊解决方案，它们的缺点是效率低、成本高、稳定性和兼容性也不尽人意。如果有标准的 API，将大大简化计算机视觉程序和解决方案的开发。2000年 6 月，美国 Intel 公司发布了第一版 OpenCV alpha 3。OpenCV 是一个开源计算机视觉库，由 C 函数和少量 C+类构成，实现了图像处理和计算机视觉方面的很多通用算法。它拥有包括 500 多个 C 函数的跨平台的中、高层 API，不依赖于其它的外部库。作为一个开源项目，OpenCV
34、对非商业应用和商业应用都是免费的，截至到 2009 年 2 月，OpenCV 仅在 Sourceforge 上的下载量已经超过200 万次。时至今日，OpenCV 已经从个别集体的兴趣爱好逐步转变为一个系统的工具，具有科研和商业应用价值的研发平台，它的出现给智能视频系统的研究带来了诸多便利。1.3 智能视频监控的应用及意义摄像机是人类视觉的一个重要补充和延伸。视频运动目标检测与跟踪技术在军事制导、视觉导航、医疗诊断、公共安全、智能交通等方面都有广泛的应用前景；在视频会议、运动分析、图像检索、水文观测以及远距离测量、零部件质检等诸多领域也是大有作为。基于计算机视觉的视频图像分析技术的应用，按照处
35、理过程和功能来说主要包括：(1)程序控制，如机器人视觉、自主运载导航、无人驾驶汽车；(2)事件监测，如智能交通管理、犯罪预警和取证；(3)物体与环境建模，如工业检查、医学图像分析和拓扑建模；(4)交感互动，如人机交互的输入设备。近些年，我国对智能视频监控系统相关技术的研究与应用方兴未艾，IVS 产品高调亮相中国市场是在 2006 年。它将广泛应用于社会生活的各个方面，可有效预防各种刑事案件和自然灾害，是保证现代化社会公共安全的重要高科技手段。智能化视频监控系统可以明显地降低人力、物力的消耗，实现无人值守，这智能视频监控中运动目标检测与跟踪技术研究及实现4对传统监视报警的观念是一大革新，由此带来
36、的直接和间接的社会效益和经济价值是令人瞩目的。在民用、日常生活中，一个典型的智能视频监控系统可以应用于：(a)平安城市建设：人体入侵、徘徊、越线，物品滞留、被盗或移动事件检测等；(b)智能交通监管：越线、压线、逆行检测，人流、车流密度检测等。在世界反恐斗争日趋严峻的今天，智能视频监控也显然能够成为应对恐怖主义袭击和处理突发事件的有力辅助工具。市场需求以及科研进展的差异决定了世界上其它国家在应用和研究 IVS 上的不均衡分布。其中，走在最前沿的要数美国和以色列。自 1997 年以来，在美国涌现了一大批专业从事智能监控产品研发和生产的公司，其中包括ObjectVideo、Aimetis、Verin
37、t、Cieffe、Cernium 等等7。他们的产品被广泛应用于港口（Mobile，Jacksonville，Houston 港等）、机场（Memphis，Miami 机场等）、铁路（Madrid，Barcelona，SanDiego 等）和国家安全单位（HSARPA，NFS，CBP，DHS，ONR，DARPA 等）。例如：佛罗里达洲的 Jacksonville 港使用该系统监控Blount 等岛屿的周边码头；迈阿密国际机场通过智能监控提升监控系统性能；美国海关及边防局使用 IVS 布防北方及南方边境；美国国土安全局安装 IVS 在加州的美加边境以及在亚利桑那州的墨西哥边境以监控非法闯入；美国
38、海军陆战队第二远征军在伊拉克的 Fallujah 采用 IVS 布防等等。由于以色列军方的迫切需求，在以色列也出现了一些做得比较好的公司，如NICE、IOImage、Mate，他们的产品主要用在边界布防以及商业调查分析领域。成功的案例有很多，像美国纽约警局和加利福尼亚警局使用 IVS 加强对紧急事件（包括恐怖袭击）的预防和有序反应；美联邦快递通过分析交互过程以提高用户和司机的效率；以色列国会边界安全采用智能监控系统加强防范等等。除此之外，澳大利亚的 Iomniscient 和 Clearity，瑞士 VisioWave 等也是其中的佼佼者。其中，Iomniscient 的 IQ 系列产品被用到
39、了悉尼海港桥体的保护以及2006 英联邦运动会的运动会村安全防范。可以预料，随着各方面安全要求的日益增多以及相关技术的进一步发展，基于计算机视觉的智能视频监控系统将得到更加广泛的应用，对它的研究也将更加热烈和深入。研究视频监控系统并实现产业化，具有重要的学术价值、实用价值和社会经济意义。由于这一课题的发展历史较短，而且内容又涉及到图像处理、模式识别和人工智能等多个新兴学科，其理论尚不完善，新的方法和技术还有待开发，因此这是一项既有意义又富有挑战的课题。1.4 目标跟踪问题分类及挑战由于视觉问题都是面向特定应用场合的，即便是单一的目标跟踪问题，也不存在一种理想的解决方案能够适用于所有的运动情况和
40、场景变化。在研究问题之中南民族大学硕士学位论文5前，有必要对问题的类型和其中的困难进行归纳。按不同标准可将运动目标检测和跟踪问题分成很多类型，文献8中列举了一些常见的问题类型，如：(1)按运动目标的个数分类依目标数目的多少，可分为单目标和多目标。大多数研究都是针对单目标的情况，此问题的挑战在于：场景中阴影、光照等噪声的影响，使得难以提取完整而精确的目标；跟踪过程中类目标颜色、纹理等特征的背景干扰又常常会导致目标丢失。而多目标跟踪比单目标跟踪又要复杂，必须考虑到多个目标在场景中会互相遮挡(Occlusion)、合并(Merge)、分离(Split)等情况。(2)按目标的类型分类依目标类型的不同，
41、可分为刚体(Rigid)和非刚体(Non-rigid)。所谓刚体是指不易变形，具有刚性结构的物体，如车辆、飞机等人造物体，这些物体的共同特点是结构规范，能够用几何模型描述。因此对这类运动目标的跟踪采用基于模型的跟踪方法比较常见。而非刚体是指外形能够变化的物体，如细胞、人、手势等，对这类目标一种通常的方法是采用自适应模型进行跟踪。(3)按摄像机的个数分类依摄像机数目的多少，可以分为单摄像机跟踪(Monocular camera)和多摄像机跟踪(Multiple Camera)。目前，大多数研究都属于单摄像机的目标检测和跟踪问题。而在实际的监视场景中，单摄像机所能监视的视角有限，必定会存在一些“盲
42、区”，多摄像机协作可以扩大监视的范围。另外，单摄像机不能获得图像中物体的深度信息，而双目或三目视觉系统却能够得到运动目标与摄像机的距离信息，这在机器人视觉等应用中常见。最后，在对运动目标跟踪过程中常发生目标被遮挡或暂时消失等情况从导致丢失目标，单摄像机解决这一问题相当困难。而多摄像机在很大程度上能提高解决这一难题的可能性。但如何将不同摄像机所获得的不同视角的运动目标信息正确地对应起来，是一个具有挑战性的课题。(4)按摄像机是否运动分类依摄像机是否运动，可分为静止背景和动态背景。对于大多数的视频监视系统而言都是在摄像机静止时对某个需要特殊关注的区域进行监视，此时背景是固定的，前景（运动目标）是运
43、动的。这种情况下一些运动目标检测、提取、跟踪和预测的方法都能实现。而在有些应用中摄像机是运动的，其运动形式又分为两种：(a)枪机安装在某移动的载体上（如行驶的汽车、飞行的飞机）；(b)球形摄像机 PTZ（Pan/Tilt/Zoom）运动。由于背景和目标都是运动的，背景有全局运动、前景有局部运动，在这种情况下，要准确地检测并跟踪运动目标，较摄像机静止的情况来说是一个更加复杂的问题。(5)按传感器的种类分类依传感器种类的不同，可分为由 CCD 摄像头获得的可见光图像和由红外传智能视频监控中运动目标检测与跟踪技术研究及实现6感器获得的红外图象。通常的自然环境条件下，白天使用可见光图像进行目标跟踪，而
44、晚上则使用红外图象进行目标跟踪，军事应用上多见。如果将二者所获得的图像进行融合处理，则一般可以得到比单一传感器信息更多的图像，从而极大地提高检测和跟踪运动目标的能力。从计算机视觉的实际应用上来看，运动目标检测与跟踪问题所面临是主要挑战和需要解决的问题可以归结为三个方面，即算法的鲁棒性（Robustness）、准确性（Accuracy）、和实时性（Real-time）。(1)鲁棒性鲁棒性就是系统的健壮性，用以表征控制系统对特性或参数摄动的不敏感性。通俗的说，所谓鲁棒性是指运动目标检测和跟踪算法能够在各种环境条件下实现对运动目标持续、稳定的跟踪。影响运动目标检测和跟踪算法鲁棒性的最主要原因在于：目
45、标姿态的改变、环境光照的变化、部分遮挡引起的目标不规则变形和全部遮挡引起的运动目标暂时消失。(2)准确性在模式识别中，常常存在着一组相互对立的情况，即误检和漏检。由于实际的监控场景环境复杂、千变万化，其中存在大量噪声，往往只能根据实际需求，在误检率（虚警率）和漏检率（漏警率）之间寻求一个折中。另外，准确性还包括到对目标跟踪的精度问题。根据实际的应用场合不同、对问题关注的侧重点不同，对跟踪精度的要求也有所不同：在一些事件检测中，只需看事物的运动趋势是否满足特定事件发生判断条件，故不需对跟踪精度有太高的要求；而在一些军事上的导弹研制方面，就对目标跟踪的精度要求较高，甚至达到亚像素级。(3)实时性一
46、个实用的智能视频监控系统，必须具备能够对视频图像序列进行实时处理的能力。由于对视频动态图像的处理方法是建立在二维数字信号的处理基础上，所处理的对象包含巨大的数据量和信息量，单从软件的方面来讲，就要求算法不能计算太复杂，必须快速、实时。在目标跟踪任务中，计算复杂度对于一个实时的应用系统来说是至关重要的，这样才能把系统更多的资源分配给更高级的任务。而这其中实时性和鲁棒性又常常是矛盾的，如何寻求一个折中是技术的关键。1.5 论文主要工作和结构安排论文的主要工作和贡献有以下几个方面：(1)对几种传统的运动目标检测算法进行了总结，比较了它们各自的优缺点和适用范围，并对基于高斯模型背景建模的前/背景检测方
47、法思想进行了讨论；对目标跟踪算法做出了分类，说明了各自的基本思想，深入研究了 Mean Shift 理论及相应的目标跟踪算法。中南民族大学硕士学位论文7(2)针对智能视频监控系统的硬件实现，本文结合三帧双差分和 CAMShift算法，给出了一种简单、有效、自动的运动目标检测与跟踪方法；着重研究了 TI公司 TMS320DM642 系列 DSP 的内部结构和开发过程，设计了系统的闭环控制方法；参考 OpenCV 中 CAMShift 跟踪相关函数，将其移植到以 DM642 为核心的硬件平台上，实现了系统的整体跟踪算法和云台控制。(3)针对基于高速球形摄像机的目标跟踪，本文在球机机械参数未知的情况
48、下设计了一种 PTZ 跟踪控制策略，不仅能跟踪目标，还可以控制球机进行变倍动作来放大拍摄目标的局部细节，可作为犯罪取证、抓拍的协助手段；同时在该策略中，利用 SIFT 特征匹配算法设计了一种计算球机变倍率的方法，并给出了一种在 RGB 颜色模型中基于 Mean Shift 的跟踪算法。通过实验，客观评价了本文设计的 PTZ 跟踪策略，并对提高跟踪鲁棒性和跟踪速度的方法作出了探讨。论文各章节的内容安排如下：第一章：绪论。介绍了智能视频监控研究的背景意义和国内外现状，阐述了论文的研究内容和主要工作及贡献。第二章：运动检测技术研究。对运动目标检测的主要方法进行了回顾，包括光流、时域差分、背景差分，并
49、阐述了基于高斯背景建模的前/背景检测方法思想，比较了各方法的优缺点和适用性。第三章：目标跟踪算法分析。对常用的跟踪算法作出了分类，说明了各方法的思想；深入讨论了 Mean Shift 理论及在此基础上发展起来的目标跟踪算法。第四章：基于 DM642 的运动目标检测与跟踪系统设计及实现。首先介绍了DM642 的芯片特点、DM642-PCI 开发板工作过程、伺服机云台控制原理及协议命令；然后阐述了本文设计的系统闭环控制方法，以及结合三帧双差分和CAMShift 算法的自动目标检测与跟踪算法。通过研究了 DSP 开发过程以及开发环境 CCS2.2 后，在以 DM642 为核心的硬件平台上实现了跟踪算
50、法和云台控制。通过实验，说明了该系统的跟踪效果和存在的问题。第五章：高速球形摄像机 PTZ 跟踪策略设计及实现。首先介绍了高速球形摄像机的特点和用途，并解析了目前较多使用的 PELCO 球机协议；然后具体分析了球机 PTZ 跟踪问题的难点；接着详细阐述了本文 PTZ 跟踪控制策略的设计思想；同时，给出了基于 SIFT 特征匹配的球机变倍率计算方法，和一种在 RGB颜色模型中基于 Mean Shift 的跟踪算法。最后通过实验讨论了本文 PTZ 跟踪策略的有效性，并对提高跟踪鲁棒性和跟踪速度的方法作出了一定预言性的探讨。第六章：本文工作总结与展望。对本文所做的工作作出了总结，并对未来工作的着手点