● 摘要
利用计算机视觉技术和多摄像头网络实现视频监控的智能化，是视频监控系统的发展方向之一。本文以智能视频监控为应用背景，研究了摄像机标定，单摄像头目标识别和多摄像头目标跟踪，主要工作包括： 通过大量实验比较各种算法的性能后，采用张正友算法标定摄像机的内外参数，标定误差为0.16像素。用内参数对图像进行畸变校正，效果较好；通过比较多种目标检测和跟踪算法的效果后，采用混合高斯背景前景检测法和简单联通区域跟踪法进行检测和跟踪，作为目标识别和多摄像头跟踪的基础。 提出了将D-S证据理论和支持向量机相结合进行目标识别的方法。首先提取运动目标的不变矩和长宽比作为特征，用支持向量机进行识别，之后将支持向量机的识别结果概率化。最后用D-S证据理论将当前帧概率化后的识别结果和上帧概率化后的识别结果进行融合，作为最终的识别结果。该方法充分利用了目标在上帧的识别结果，比单帧识别率提高了5%。 提出了多摄像头目标跟踪方法。基于非重叠多摄像头的目标跟踪，使用目标外形匹配和空间概率密度相结合的方法融合多摄像头的数据，完成运动目标的唯一标识。该方法不要求有完整的场景模型，能准确跟踪运动目标。在相同实验条件下与单特征方法相比，该方法的跟踪准确率提高6％以上。此外，针对多摄像头重叠的目标跟踪，采用将视野边界线、外形匹配和位置相结合的方法进行目标唯一标识，该方法具有较强的鲁棒性和较高的跟踪准确率。 本文设计了智能监控系统的演示环境，初步验证了系统算法的可行性。