1绪论
1.1研究背景和意义
随着计算机软硬件的快速发展与普及,人类已进入多媒体信息时期，基于多媒体的监控系统在监控领域发挥着越来越重要的作用。目前的多媒体视频监控系统通常要求监控人员持续地目着屏幕进行人工的异常判断，但这样容易产生漏报，遗漏重要信息，并且由于长期地盯着众多的监视器，视频监视人员往往无法长时间专心于这些信息的处理。为解决此问题，图像处理、模式识别等计算机视觉领域中的相关技术逐渐被应用到视频监控系统中，智能视频监控技术即由此发展而来。智能视频监控技术可一以通过快速自动地从原始视频信息中提取大量有用信息，对视频数据进行智能分析，检测出可疑活动或行为模式，大大提高监控效率。因此，智能视频监控技术是目前计算机视觉领域中一个备受关注的研究方向。
智能视频监控技术的应用领域十分广泛，包括高速公路和铁路等的智能交通监控，银行、百货公司和停车场等公共场所的智能安防监控，森林防火系统智能监控，人体行为的远程智能监控以及用于工业生产质量控制的智能监控和战场远程智能监控等。在这些应用中，交通管理和安防是智能视频监控技术最主要的应用领域(何东晓，2005，在交通管理应用中，智能视频监控系统可以根据采集到的视频信息进行车型的识别，违章驾驶的检测和道路异常情况的检测等，从而减轻交通堵塞，减少交通事故，大大提高交通事故处理的速度和排除障碍的效率;在安防应用中，智能视频监控系统不仅能减少传统的人工视频监控由于需要雇佣大量监视人员所耗费的人力、物力和财力等的支出，而且由于能够自动监控异常情况，在发现异常情况时及时向保卫人员发出报警，再山保卫人员进行确认并采取相应措施，从而可以避免或减少灾难和犯罪的发生。
运动目标检测、运动目标分类、运动目标跟踪和行为理解是智能视频监控技术中的四个主要部分。在智能视频监控中，运动目标检测是指从背景中提取出运动变化的图像区域，运动目标检测的结果将作为后续目标分类等步骤的基础。运动目标检测作为整个视频监控系统的基础工作，视频图像中运动目标检测的效果直接影响着视频监控系统的性能，为了保证后续运动目标分类和运动目标跟踪等步骤的准确性，在运动目标检测环节中准确地将运动目标区域从背景中提取出来十分重要。然而，由于光照变化、天气变化、背景干扰、阴影以及摄像头抖一动等的影响，运动目标检测的准确度很难得到保证。因此，运动目标检测是智能视频监控系统的基础，研究运动目标检测算法是一项十分重要和有意义的工作。
在自然环境下采集到的视频图像序列中的目标通常情况下伴随有运动阴影，阴影会引起运动目标检测结果中运动目标合并甚至运动目标丢失，导致运动目标检测结果的不准确。为了避免将阴影分割为运动目标，在进行目标分类等后续工作前要进行阴影去除，阴影去除是运动目标检测中的一个关键问题。
1.2国内外研究现状
视频监控技术出现于20一世纪60年代，因其拥有潜在的经济价值和广泛的应用前景，近年来在视频监控领域的研究活动十分活跃。很多发达国家如美国和英国等都己经开展了大量视频监控相关项目的研究，其中有代表性的研究有1996到1999年，美国国防高级研究项目署设立了由卡内基梅隆大学、麻省理工学院等多个研究机构和高等院校参加的视频监控重大项目(Collins R T, 2000),该项目主要研究自动视频处理技术，可应用于战场等场景的视频处理，项目系统中的运动目标检测部分采用对称差分算法，运动目标跟踪部分利用基于自适应模板匹配的方法，运动目标识别部分采用基于颜色和形状特征的方法佛罗里达中央大学计算机视觉实验室建立了KNIGHT智能视频监控系统(Javed O, 2003 ),该系统对监控区域中运动目标的变化进行监测，不仅能检测出目标的变化，还能进行人的行为的简单描述以及对重要事件进行标注，KNIGHT智能视频监控系统的另一优点是对场景中光照变化的鲁棒性较强英国的雷丁大学(Remagnino P, 1998)研究了视频监控场景中行人和车辆等运动目标的跟踪，并对运动目标间的交互作用进行识别卡内基梅隆大学多摄像机视频监控系统(Pavlidis I, 2002 )的开发，该系统适用于大范围的监控场景，能在复杂多变的交通监控场景中检测并跟踪车辆和行人等运动目标美国的ARDA机构(John D P, 2003)的一项研究计划于2003年开始进行，其目的是通过对运动目标检测和运动目标识别及跟踪的研究，实现运动目标的行为理解。
我国在智能视频监控领域的起步较晚，国内的许多大学和研究机构都展开了相关研究，目前比较有代表性的研究有基于对英国雷丁大学车辆交通监控系统的理论研究，中科院自动化所模式识别国家重点实验室视觉监控小组实现了一个交通视频监控原型系统(Hu W M, 2006 )，利用车辆的一系列模型(三维线框模型、运动模型、弱透视模型、地平面约束、语法句法模型以及层次化的概念模型)，该系统可以检测并预测和优化车辆的运动，进行车辆跟踪，对光照变化、道路白线干扰、物体遮挡等环境变化具有较强的鲁棒性浙江大学人工智能研究所(庄越挺，2000)采用基于计算机视觉技术的方法对人体的动作进行跟踪，但无法对人体的遮挡部位进行准确的估计，且系统中存在很多的人工干预中科院计算所的研究(高文，2000)是基于传感器的方法进行手语识别，要求被测人带有数据手套。
上述国内外智能视频监控领域的研究中都涉及了运动目标检测这一关键技术，智能视频监控系统中运动目标检测技术的广泛应用和快速发展已经得到了世界各国研究人员的重视。运动目标检测是一种将运动的前景区域从背景中分割出来的技术，运动区域的准确分割对后续的目标跟踪和行为理解等有着至关重要的作用。
2 运动目标检测算法.......... 11-21
2.1 空域法运动.......... 11-12
2.2 时域法运动.......... 12-21
2.2.1 帧差法.......... 12-13
2.2.2 光流法.......... 13
2.2.3 背景减法.......... 13-21
3 运动目标检测技术.......... 21-32
3.1 基于改进背景减法.......... 21-30
3.1.1 预处理.......... 22-23
3.1.2 背景初始化及.......... 23-26
3.1.3 基于二维交叉熵的差分..........26-30
3.2 实验结果与分析.......... 30-32
4 运动目标检测中的阴影去除.......... 32-44
4.1 阴影去除方法.......... 32-33
4.2 基于颜色和纹理特征的阴影.......... 33-41
4.2.1 基于颜色的阴影去除.......... 34-37
4.2.2 基于边缘检测的阴影..........37-38
4.2.3 基于主动轮廓模型..........38-41
4.3 实验结果.......... 41-44
5.1结论
本文以智能室内监控为背景，针对实际的监控场景，讨论了光线变化、阴影等各种外界干扰的影响，针对这些问题提出了针对室内特定场景的实时运动目标检测及阴影去除算法。主要研究工作包括:
(1)对常用的运动目标检测算法的原理和方法进行了介绍和总结，对最常用的背景减法运动目标检测中的背景建模技术进行了较为详细的阐述，归结起来如下:背景模型分为基本背景模型和基于统计的背景模型，其中基于统计的背景模型应用较为广泛。背景减法的困难之处在于为复杂场景寻找理想的背景模型，以及模型的建立、保持与更新。一个健壮的背景建模方法应该可以处理运动混乱、目标重叠、阴影、光照变化、背景运动等情况对真实运动目标检测的影响。背景建模方法很多，如何根据不同的应用需求，选择合适的背景模型，是国内外学者研究的热点问题，也是运动目标检测中的背景建模技术未来的发展方向。
