一种用于智能监控的目标检测和跟踪方法摘要：在对现有目标检测、跟踪算法进行分析对比的基础上，设计并实现了一种简单有效的目标检测和跟踪方案。首先提出了一种基于像素灰度归类和单模态高斯模型的背景重构算法，能够利用多帧包含前景目标的场景图像重构准确的背景模型。进而以此为基础采用背景减法进行各帧中目标的检测，并选取形心作为匹配特征实现了场景中多个目标的有效跟踪。实验表明，该方法实现简单，无须事先提供背景图像即可实现目标的准确检测和跟踪，其性能明显优于传统基于时间平均背景模型的方法。关键词：目标检测；目标跟踪；背景重构；高斯模型；K均值聚类：TP391文献标志码：A：1001-3695(2008)08-2393-03ObjectdetectionandtrackingmethodforintelligentsurveillanceWANGSu-yu??1,2??,SHENLan-sun??1,LIXiao-guang??1(1.SignalInformationProcessingLab,Bei激ngUniversityofTechnology,Bei激ng100022,China;2.CollegeofElectronicInformationEngineering,HebeiUniversity,BaodingHebei071002,China)Abstract:Thispaperdesignedandrealizedasimpleandeffectiveobjectdetectionandtrackingscheme,basedonareviewoftheexisteddetectionandtrackingalgorithms.Atfirst,proposedapixelintensityclassificationandthesingleGaussianmodelbasedbackgroundreconstructionalgorithm,whichcouldprovideanaccuratebackgroundmodelthroughasequenceofsceneimageswithforegroundobjects.Thenusedthebackgroundsubtractionmethodforobjectdetection,selectedthecenteroftheobjectasthematchingfeaturefortrackingofmulti-objectsamongthesequence.Experimentalresultsshowthattheproposedalgorithmandschemeissimpletorealize,andcandetectandtrackthemovingobjectseffectively,itshowsobviousperfor-manceimprovementcomparedwiththetraditionaltime-averagedbackgroundbasedmethod.Keywords：objectdetection;objecttracking;backgroundreconstruction;Gaussianmodel;K-meanscluster随着现代社会监控难度的增加，越来越多的领域对传统意义上的视频监控提出了更高的要求，因此，新一代的智能视觉监控技术[1]得到了日益广泛的关注。即赋予监控系统观察分析场景内容的能力，使其更加智能化，能够在无须人为干预的情况下，对摄像机拍录的视频序列进行自动分析，并及时作出反应。智能监控技术的发展，将在交通管理、公共场所监控、安全生产和国家重点部门安防等方面发挥日益重要的作用。在智能监控系统中，运动目标的检测与跟踪处于最底层,是各种后续高级处理如目标分类、行为理解等的基础。运动目标的检测是指从监控图像中实时提取出目标区域,而跟踪过程则确定其在连续各帧中的运动轨迹。目前典型的目标检测算法主要包括背景减法、相邻帧差法和光流法等[2]。其中，背景减法通过将当前帧图像与事先存储或实时获取的背景图像相减确定目标区域，能够得到关于目标的位置、大小、形状等信息的完整描述，是摄像机静止情况下运动目标实时检测的首选方法。相邻帧差法利用序列中连续两帧或几帧图像间的差异进行目标的检测和提取[3]。该方法具有较强的自适应性，但一般不能完全提取出所有相关的特征像素点，在运动实体内容易产生空洞现象。光流法[4]通过计算图像序列的光流场实现运动目标的检测，无须预先知道场景的任何信息，并可用于摄像机运动的情况。但算法复杂度较高，难以实现实时检测。运动目标的跟踪过程，就是选取目标的有效描述，并在后续帧中搜索与该描述最匹配的目标位置的过程。目前,常用的目标跟踪算法包括基于特征的方法、基于3-D模型的方法、基于活动轮廓模型的方法等[2]。其中，基于特征的方法通过各帧间运动目标个体特征如周长、面积、质心、角点等的匹配实现跟踪。该方法简单易于实时处理，且能够实现多个目标的跟踪，但受观测视角的影响较大，跟踪识别率较低。基于3-D模型和活动轮廓模型的方法虽然从一定程度上提高了算法的跟踪效果，但复杂度均较大，实时性差。1基于像素灰度归类和单模态高斯模型的背景重构背景模型的建立和更新是背景减法目标检测的关键。最简单的...