视频监控中的前景目标检测算法研究

doi:2B8249C8C827BAD236071E7D50F389DF

	视频监控中的前景目标检测算法研究
	曾冬冬
学位类型	博士
导师	朱明
	2019-06-01
学位授予单位	中国科学院大学(中国科学院长春光学精密机械与物理研究所)
学位授予地点	中国科学院大学(中国科学院长春光学精密机械与物理研究所)
关键词	视频监控前景目标检测纹理特征卷积神经网络语义分割
摘要	近年来,视频监控无论是在工业生产还是安防领域中都发挥着举足轻重的作用,其主要特征是采用机器视觉的方法,通过对传感器获取到的视频(或图像序列)进行自动计算与分析,实现对监控场景中的目标进行检测、跟踪、定位和识别,并在此基础上对目标的行为做出分析和判断,从而做到既能完成常规监视,又可以在异常事件发生时及时做出反应。前景目标检测属于监控系统的前端处理部分,是后续各种高级处理任务(如目标跟踪、目标识别、视频编码、视频分析等)的基础。在过去的几十年中,前景目标检测技术受到了国内外学者的广泛研究,大量算法的提出使得前景目标检测技术取得了可观的进步,并由实验走向了具体应用。但是由于实际场景中包含各种各样的复杂因素,如光照变化、动态背景、相机抖动、阴影以及伪装等干扰,设计一个实时性好,鲁棒性强的前景目标检测算法仍然具有重大研究意义。本研究课题以监控视频作为研究对象,进行前景目标检测方面的应用算法相关研究,目的是为基于数字图像处理的视频监控系统的实用化提供理论依据和实践参考。本文主要的创新性研究工作及研究成果如下:1)提出多种新的纹理特征算子用于前景目标检测。颜色特征作为最常见的特征广泛应用于计算机视觉的各个领域,但是在面对包含光照变化、伪装、阴影等干扰因素的监控场景,颜色特征具有很大的局限性,因此很多经典的纹理特征例如LBP、LTP、LDP等被提出并应用于前景目标检测,这些纹理特征在面对光照变化、阴影等干扰表现出很好的鲁棒性。但是监控场景还可能包含很多其他干扰因素:噪声、相机抖动、动态背景等等,而大多数纹理特征在面对这些干扰通常表现效果很差,因此本文在现有纹理特征的基础上考虑从多个方面进行改进,使其对监控场景的各种干扰因素具有更好的鲁棒性;与此同时,相比于只使用单一的颜色特征或者纹理特征用于前景目标检测,本文通过将颜色特征和纹理特征相结合,充分利用两种特征优劣互补进行背景建模,实验结果表明与同类算法相比,本文算法在实时性、精度等方面都取得了更好的结果。2)提出了一种多尺度全卷积网络结构用于前景目标检测。近年来,卷积神经网络在计算机视觉的各个领域取得了突破性进展,因此有研究人员开始尝试将卷积神经网络应用于前景目标检测领域,但是其主要思想都是基于图像块的预测方法,通过在各个像素周围截取一小部分图像块来预测每个像素的输出类别标签,而这种方式有很多缺点,比如速度慢,计算冗余,而且精度不高。全卷积网络结构的提出为这种像素级分类任务提供了一种端到端的预测方式,本文尝试将全卷积网络结构应用到前景目标检测,实验结果表明全卷积网络结构比基于图像块预测的方式在速度、精度上都有明显提高。同时,借鉴近年来出现的一些新的网络结构设计思想,提出一种多尺度全卷积网络结构用于前景目标检测,实验结果表明,本文算法在公共评测数据集上取得了较优的结果,而且能满足实时性要求。3)提出了一种将传统前景目标检测算法与语义分割算法相结合的实时前景目标检测算法框架。现有的基于卷积神经网络的前景目标检测算法对每个监控场景都需要进行模型训练,因此他们在实际监控场景中应用有限。本文提出一种将传统前景目标检测算法与语义分割算法相结合的实时前景目标检测算法框架,该算法不需要对每个应用场景都进行模型训练,属于无监督型的前景目标检测算法。其核心思想是借助语义信息来提高前景目标检测算法的建模能力,实际监控场景中,经常会出现物体阴影、噪声、动态背景等干扰因素,这些因素对传统前景目标检测算法建模精度有很大干扰,使得最后的检测结果中出现很多错误的前景目标,而语义分割对这些干扰因素有很好的鲁棒性,因此可以借助语义分割与前景目标检测算法进行交互,帮助前景检测算法“剔除”这些干扰因素,从而得到更精确的前景检测结果。实验结果表明本文算法优于目前几乎所有的无监督型前景目标检测算法,同时还能达到实时性要求。4)提出了一种基于卷积神经网络的前景目标检测结果融合策略。近年来学术界、工业界提出了各种前景目标检测算法,但是各种算法都有各自的优势、劣势,很少有算法能同时处理监控场景中出现的各种干扰因素。因此,有研究人员考虑将各种算法结果进行融合,充分发挥不同算法的优势,出现了基于遗传算法、多数投票等算法的前景检测结果融合策略。本文提出一种全卷积编码-解码网络结构用于前景目标检测结果融合,将多种前景目标检测算法的结果输入到网络中,生成更精确的前景检测结果。实验结果表明本文提出的融合策略优于其他融合策略。
页数	151
DOI	2B8249C8C827BAD236071E7D50F389DF
语种	中文
引用统计
文献类型	学位论文
条目标识符	http://ir.ciomp.ac.cn/handle/181722/63899
专题	中科院长春光机所知识产出
推荐引用方式 GB/T 7714	曾冬冬. 视频监控中的前景目标检测算法研究[D]. 中国科学院大学(中国科学院长春光学精密机械与物理研究所). 中国科学院大学(中国科学院长春光学精密机械与物理研究所),2019.

条目包含的文件
文件名称/大小	文献类型	版本类型	开放类型	使用许可
视频监控中的前景目标检测算法研究.caj（30162KB）	学位论文		开放获取	CC BY-NC-SA	请求全文