论文总字数：29341字

摘 要

随着公众对公共安全的需求不断增加，遗弃物检测已逐渐成为模式识别研究的热点之一。现有的遗弃物检测算法在面对复杂的背景信息、快速的光照变化、阴影与遮挡等问题时，存在一定的不适用性。本文提出了一种基于混合高斯模型的遗弃物检测算法，有效地改善了面对复杂背景、快速光照变化与阴影问题时，算法的鲁棒性。本文分为如下几个部分：

一、介绍了混合高斯模型的建立与阈值的设置问题，通过对现有混合高斯模型的改进，增强了模型对前景的检测精确性，同时能够有效地剔除光照、阴影对模型的影响，从而初步标示出静态区域。

二、在通过混合高斯模型得到静态区域图像后，采用滤波算法对静态区域进行滤波剔除部分误检产生的干扰，并采用边缘检测法对静态区域进行划分，进一步将干扰消除。最终获得静态区域的确切位置。

三、获得静态区域后，对前景图像和背景图像同时进行区域生长法，通过比对区域生长法获得的区域面积，判断静态区域所属于的类型。

四、简单介绍了系统的界面与参数设置问题，并且展示了目前的算法输出结果。同时，简单说明了遗弃物标示的判定问题。

五、对研究的结果进行评估，总结优点并指出不足之处，在今后的研究中加以改进。

关键词：模式识别、遗弃物、OpenCV、监控视频。

the Detection of abandoned and removed objects in surveillance videos

Abstract

With the development of the need of safty in public situations, the detection of abandoned and removed objects is becoming a hot point in pattern recognition. The methods of the detection of abandoned and removed objects nowadays have some trouble in handling the problem with complex backgrounds, fast lighting changes and shadows. We present a method to solve the abandoned objects problem based on Multi-Gaussian Adaptve Background Models, which improve the robustness when facing those problems. The article has parts as below.

1. Introducing making the Multi-Gaussian Adaptve Background Models and setting the threshold.By improving the Gaussian model, we can improve the accuracy of foreground detection and reduce the effect of light changes and shadows. After that, we can mark the static area.
2. After getting the static area by the Multi-Gaussian Adaptve Background Models, we filter the static area to reduce the wrong place and divide the area with edge detection. Finally,we can get the right position of static area.
3. Using the region growing method with foreground and background after getting the static area. We can judge the type of static areas by comparing the area getting by the region growing method.
4. Introduce the interface of the system and the setting of parameters. What’s more, introduce the alert trigger about the abandoned objects.
5. Evaluate the results of the project, summarize the advantages and point out the deficiencies. We are able to improve them in the research after that.

KEYWORDS: Pattern Recognition, Abandoned And Removed Objects, OpenCV, Surveillance Videos

目录

摘要 I

Abstract II

第1章 绪论 5

1.1 研究背景 5

1.2 研究目的和意义 5

1.2.1 研究目的 5

1.2.2 研究意义 6

1.3 国内外研究现状 6

1.3.1 国内外研究现状 6

1.3.2 研究现状总结 7

1.4 研究内容及技术路线 7

1.4.1 研究内容 7

1.4.2 技术路线 7

1.4.3 论文结构 8

第2章 前景检测 10

2.1 背景建模算法 10

2.2 混合高斯背景模型 10

2.2.1 高斯模型的背景建模 10

2.2.2 混合高斯模型的背景建模 11

2.3 光照修正和阴影移除 12

第3章 静态区域检测 14

3.1 边缘检测算法 14

3.1.2 差分边缘检测算法 14

3.1.3 Sobel边缘检测算法 15

3.1.4 Prewitt边缘检测算法 15

3.1.5 Laplace边缘检测算法 16

3.2 混合高斯前景检测 16

3.3 静态物区域划分 17

3.3.1 二值化与滤波 17

3.3.2 边缘检测进行遗弃物区域划分 18

3.3.3 静态区域面积修正 19

第4章 遗弃物类型检测 20

4.1 遗留物分析 20

4.1.1 方法提出 20

4.1.2 区域生长法 20

4.1.3 基于区域生长法的遗留物分析 21

4.1.4 对遗留物分析结果的修正 22

4.2 移除物分析 23

4.2.1 方法提出 23

4.2.2 基于区域生长法的移除物分析 24

4.2.3 背景信息提取 24

第5章 实验结果与分析 27

5.1 实验方法 27

5.2 遗弃物检测实验 27

5.2.1 实验结果 27

5.2.2 实验分析 30

第6章 总结与展望 31

6.1 总结 31

6.2 展望 31

参考文献 33

致谢 35

绪论

研究背景

随着模式识别技术的发展与模式识别算法的更新，模式识别技术逐渐进入了日常人的生活，为人们生活的便利和幸福做出越来越重要的贡献。而随着国际大环境的变化与恐怖袭击的威胁，公共场所的安全问题越来越成为大众关注的重点。如何对恐怖袭击及时做出有效地预防这个问题，也逐渐成为政府关注的焦点。

基于这个问题，对汽车炸弹、包裹炸弹、毒气的预防都成为了我们需要解决的重点问题。由于这些恐怖袭击的特殊性，对可疑遗弃物的检测就成为了解决这些问题的关键。如何以较高的准确性检测出视频中的遗弃物并对遗弃物进行标注？如何对遗留物和移除物进行区分，以便安全部门能够对这两种物体的实际运动情况进行分析并且确定嫌疑人？这些都是与人类社会生活息息相关的话题。目前针对遗弃物检测已有较多的研究，但是，遗弃物检测需要通过多种方式在精度、准确度与效率上进行提升，以大幅度地减少误检问题，并且有效提高遗弃物检测精确度和效率。本文正是希望通过研究，针对检测监控视频中的遗弃物进行强鲁棒性、高效率并重的检测。

研究目的和意义

研究目的

首先，我们需要确定，什么是遗弃物。对于这一问题在不同的文章中做了不同的定义，有一部分文章将遗弃物定义为一个被遗弃的无人认领的物体。还有一部分文章将遗弃物定义为一个静态的非人类的物体，这个概念将人类与遗弃物分隔开。除此之外，还有文章将遗弃物定义为在前景中保持静止的非人的物体。这些定义从某种意义上说都可以被认为是遗弃物，但是在实际操作中我们发现，在人口密集的区域，要检测人与物体之间的相互关系相当困难，这就无法将遗弃物认定为无人认领的物体，这会给算法带来额外的负担。而对于其他的定义来说，并不能够包含所有的遗弃物，例如原本就存在在视频中的楼房等。

剩余内容已隐藏，请支付后下载全文，论文总字数：29341字