视频监控系统

对象跟踪/识别与分类
     在前景/背景检测后，将创建出一个模板(mask)。因为存在环境噪声，单个目标对象的所有组成部分可能没有连起来，因此在将所有组成部分连为一个整体对象之前需要实现一个高强度运算的形态学膨胀(morphological dilation)处理。膨胀涉及在模板上强加一个栅格，计算出栅格的每个区域的前景像素，并点亮每个区域的其余像素，计数指示应该连接的独立对象。在膨胀和组成部分连接后就可以得到每个对象的一个有边沈阳软件开发

界的框。这个框代表了包括完整对象的最小矩形，它可能出现在不同的帧中，从而实现分割。
    跟踪分割后的前景对象共有三步：预测当前帧中每个对象的位置；确定哪个对象能最好地匹配其描述；并校正对象轨迹以预测下一帧。第一和第三步是通过Kalman递归滤波器完成的。由于在单个帧中只能观察到对象的位置，因此有必要使用矩阵运算方法即时计算出它的速度和下一个位置。 
    在整个过程的开始，滤波器被初始化到相对于背景模型的前景对象位置。针对每个内部对象被跟踪的帧，滤波器会在后续帧中预测前景对象的相对位置。当场景转到后续帧时，滤波器就能定位对象并校正其轨迹。
    跟踪的第二步涉及到数据关联，它根据特征的相似性确定帧之间的对象相关性。对象尺寸、形状和位置能够能够以框和帧到帧的重叠为依据。速度是Kalman滤波器要预测的一个参数，直方图将不同的对象与它们的颜色关联起来。然而，任何或所有这些特征都可能改变。 
考虑这样的情况：一个有着红色驾驶室的白色卡车非常靠近沿街的摄像机，这时它驶入车道，掉头并向相反方向驶去。对象的所有特征在整个场景中在不断发生变化：大小、形状、速度和颜色。软件必须能够适应这种变化，以便准确识别卡车。另外，当跟踪多个对象时，软件必须能够区别出它们之间的特征来。
    跟踪的复杂性将导致与对象分类相关的问题。例如，一个物体通过摄像机前面的一条线比一个人通过那条线更容易使系统发出警告。物体的尺寸和速度可以提供用于粗略分类的向量，但更精细的分类需要更多的信息。较大的物体可以提供更多的像素信息，但对快速分类来说可能显得太多。在这种情况下，需要采用尺寸减小技术来实现实时响应，即使后面的调查仍可能使用所存储的帧中具有的全像素信息。
    除了对象分类外，高效的VCA实现还必须克服许多挑战，这些挑战包括：黄昏、水面、云层、刮风下雨、雪和雾等导致的光线变化；跟踪的多个对象路径是交叉的，导致每个前景像素暂时合并，然后又分开；在多摄像机系统中跟踪不同视窗的对象。解决这些问题仍然需要VCA做大量的工作。

VCA系统设计
    实现VCA和视频编码要求高性能处理器和各种配置。新分析技术的出现要求编程的灵活性，这可以使用集成了最高性能以及可编程DSP与RISC微处理器内核的处理器和视频硬件协处理器来满足。合适的处理器还需要集成高速通信外设和视频信号链来减少系统元件的数量和成本。
    使用该类解决方案将VCA集成进摄像机提供了极具鲁棒性和高效的网络实现形式。VCA软件也能被集成进电脑中，使电脑成为多个摄像机的集中处理设备。除了VCA流程本身外，可能还需要预处理步骤，用于在前景/背景检测和其它分析步骤之前处理去交织(de-interleaving)。
    应用软件可能要增加用于对象识别或其它目的的处理步骤，单处理器和双处理器设计版本都能为新增的软件功能提供足够的处理能力。
    将前景对象从背景中分离出来、然后跟踪对象，必要时分类可疑活动的自适应方法步骤是VCA的全部内容，它要求高度的实时处理运算和自适应能力。基于DSP的视频处理器提供了VCA和视频编码所需的性能，并具有高度的编程灵活性，可适应应用要求和技术的不断变化.

 2/2   首页 上一页 1 2