1、視頻監(jiān)控是計算機視覺、模式識別以及人工智能等領域的一個重要的研究內(nèi)容，在安全監(jiān)控、智能交通、軍事導航等方面有著廣泛的應用前景。運動目標檢測技術是視頻監(jiān)控系統(tǒng)中一個重要組成部分，其檢測結果直接影響著后續(xù)的目標定位、識別和跟蹤以及運動行為的理解和描述。國內(nèi)外大批學者投身于該領域的研究和探索，并取得了大量的成果。本文是在這些成果的基礎上，對視頻監(jiān)控系統(tǒng)中運動目標檢測算法進行了研究。 本文首先對數(shù)字圖像處理的基礎知識進行了介紹，并根據(jù)實

2、際情況，針對噪聲濾波、顏色空間的選擇與變換、圖像邊緣檢測和數(shù)學形態(tài)學處理等常用方法進行了對比驗證，為運動目標檢測與陰影抑制算法的研究奠定了基礎。 在運動目標檢測方面，針對背景差分法，對常用的背景建模方法進行了分析研究，并提出了一種基于關鍵幀采樣機制的核密度估計背景建模算法。利用間隔視頻序列的平均背景對樣本進行預處理，并根據(jù)相似性原理，從中提取具有關鍵背景信息的樣本建立背景模型。采用閾值分割，將灰度圖像轉化成黑白二值圖像，再對目標

3、粗糙的邊緣輪廓進行數(shù)學形態(tài)學濾波以去除背景噪聲，提取出目標輪廓。同時引入定時全樣本更新和實時選擇性更新相結合的更新策略，實現(xiàn)了背景的自適應更新。該算法具有運行速度快，檢測精度高的優(yōu)點，較好地解決了運動目標檢測系統(tǒng)中背景模型的建立、更新、背景擾動、外界光照變化等問題。 在運動陰影抑制方面，陰影抑制算法直接影響著運動目標檢測的準確性和完整性，目前的陰影檢測算法大多是基于陰影光學屬性的，雖然該算法實現(xiàn)簡單，但是主要是針對陰影的某一特性

4、展開的，不具通用性。本文在對陰影檢測算法分析的基礎上，將基于幾何模型和陰影屬性的方法結合起來，提出了一種基于8方向Sobel算子和高斯核密度聚類的陰影消除方法。首先對運動區(qū)域進行陰影存在性判定，對帶有陰影的圖像利用8方向Sobel算子提取邊緣，并通過數(shù)學形態(tài)學處理獲得粗略的陰影區(qū)域。然后在此基礎上，利用陰影區(qū)域相對于背景的亮度增益波動很小的特點，運用高斯核密度聚類算法檢測出陰影，從而實現(xiàn)運動目標與陰影的完整分割。 在實際應用方面

5、，針對ITS設計了一種運動車輛檢測系統(tǒng)。介紹了系統(tǒng)的設計思想和設備組成，并根據(jù)實際情況進行了模塊化設計，包括模塊的工作原理和系統(tǒng)設計流程。 總之，本文通過對運動目標檢測問題進行了深入分析和研究，對該問題提出了自己的解決方法。并且對這些方法作了實驗，實驗結果表明，本文提出的運動目標檢測算法能夠快速完整的檢測出運動區(qū)域，同時在很大程度上了抑制噪聲和背景區(qū)域的變化；而基于8方向Sobel算子和高斯核密度聚類的陰影檢測方法，能有效的抑制