资源预览内容
第1页 / 共36页
第2页 / 共36页
第3页 / 共36页
第4页 / 共36页
第5页 / 共36页
第6页 / 共36页
第7页 / 共36页
第8页 / 共36页
第9页 / 共36页
第10页 / 共36页
亲,该文档总共36页,到这儿已超出免费预览范围,如果喜欢就下载吧!
资源描述
参赛密码 (由组委会填写)(由组委会填写) “华为杯”第十四届中国研究生“华为杯”第十四届中国研究生 数学建模竞赛数学建模竞赛 学学 校校 中南大学中南大学 参赛队号参赛队号 队员姓名队员姓名 1. 2. 3. 参赛密码 (由组委会填写)(由组委会填写) “华为杯”第十四届中国研究生“华为杯”第十四届中国研究生 数学建模竞赛数学建模竞赛 题 目 基于监控视频的前景目标提取 摘 要: 本文以概率模型为基础,研究了监控视频的前景目标提取问题(监控视频像 素的分类问题) 。 在合理的假设下, 针对不同的应用场景分别建模, 使用 MATLAB、 C+语言和 opencv 库进行编程,较好的提取到了前景目标。利用提取到的前景 目标,构造运动轨迹,通过提取运动形态特征,进行异常事件的自动判断。 针对问题一,我们采用基于速率 TOP10 的模型进行背景提取,然后建立基 于改进高斯混合模型(GMM)的前景目标提取模型。以速率 TOP10 模型提取的 背景作为 GMM 初值,加快了前景提取速度并提高了前景目标提取的准确率。 针对问题二,考虑到背景的不断变化,我们采用改进的 Vibe 算法进行前景 目标提取,既可以快速消除“鬼影” ,又可以对错误分类的像素点进行改正,提 高了模型的鲁棒性。 针对问题三, 我们利用摄像机抖动时背景运动信息与真实运动目标信息的差 异,建立背景运动信息分布模型,采用“先进先出”的更新机制,对模型进行更 新,从而实现相机抖动状况下对前景目标的提取。 针对问题四, 我们首先将附件中提供的视频分为两类 (静态背景和动态背景) , 对不同类型分别采用之前建立的改进模型进行处理, 得到较为满意的前景目标分 割结果,并将前景目标的帧号输出。 针对问题五,我们首先利用单摄像机进行前景提取, 再根据摄像机的内外参 数,得出每两个摄像机之间的变化矩阵,同时利用多摄像机提供的冗余信息,实 2 现前景目标在重叠区域的交接,从而确定前景目标。 针对问题六,根据提取到的前景目标,构建其运动形态特征,根据目标的线 性变化和规律性变化的周期性特征对三类异常行为进行自动判断。 关键词关键词:概率模型,背景提取,混合高斯模型(GMM) ,改进 Vibe 算法 目 录 1. 问题重述 . 4 2. 模型假设 . 5 3. 基本符号说明 . 5 4. 问题一(静态背景下的前景提取) . 6 4.1 问题分析 . 6 4.2 模型建立与求解 . 6 4.2.1 基于速率模型的 TOP10 的背景提取模型 . 6 4.2.2 基于改进高斯混合模型的前景目标提取模型 . 8 5. 问题二(动态背景下的前景提取) . 10 5.1 问题分析 . 10 5.2 模型建立与求解 . 10 5.2.1 Vibe 算法 . 10 5.2.2 改进的 Vibe 算法 . 11 5.3 求解结果及分析 . 12 6. 问题三 摄像机抖动情况下对前景目标的有效提取 . 13 6.1 问题分析 . 13 6.2 模型建立与求解 . 13 6.3 求解结果及分析 . 15 7. 问题四 提取包含显著前景目标的帧号 . 16 7.1 问题分析 . 16 7.2 求解结果及分析 . 16 8. 问题五:多角度拍摄视频前景目标提取 . 21 8.1 问题分析: . 21 8.2 模型建立与求解 . 21 8.3 实验结果 . 22 9. 问题六 自动判断异常事件. 22 9.1 问题分析: . 22 9.2 模型建立: . 22 10、模型评价与总结 . 23 11、参考文献 . 23 12、附录 . 24 1. 问题重述 近年来,中国各省市县乡为了应对安防等领域存在的问题,其摄像头数目呈 现井喷式增长,大量企业、部门甚至实现了监控视频的全方位覆盖。目前,监控 视频信息的自动处理与预测在信息科学、计算机视觉、机器学习、模式识别等多 个领域中受到极大的关注。 而如何有效、 快速抽取出监控视频中的前景目标信息, 是其中非常重要而基础的问题。这一问题的难度在于,需要有效分离出移动前景 目标的视频往往具有复杂、多变、动态的背景。这一技术往往能够对一般的视频 处理任务提供有效的辅助,其已被广泛应用于视频目标追踪,城市交通检测,长 时场景监测,视频动作捕捉,视频压缩等应用中。题目的监控视频主要由固定位 置监控摄像头拍摄,要解决的问题为提取视频前景目标。请研究生通过设计有效 的模型与方法,自动从视频中分离前景目标。 问题一: 对一个不包含动态背景、摄像头稳定拍摄时间大约 5 秒的监控视频,构造提 取前景目标 (如人、 车、 动物等) 的数学模型, 并对该模型设计有效的求解方法, 从而实现类似图 1 的应用效果。 (附件 2 提供了一些符合此类特征的监控视频) 图 1 左图:原视频帧;右图:分离出的前景目标 问题二: 对包含动态背景信息的监控视频(如图 2 所示) ,设计有效的前景目标提取 方案。 (附件 2 中提供了一些符合此类特征的典型监控视频) 图 2 几种典型的动态视频背景, :树叶摇动,水波动,喷泉变化,窗帘晃动 问题三: 监控视频中,当监控摄像头发生晃动或偏移时,视频也会发生短暂的抖动现 象(该类视频变换在短时间内可近似视为一种线性仿射变换,如旋转、平移、尺 度变化等) 。对这种类型的视频,如何有效地提取前景目标? 问题四: 在附件 3 中提供了 8 组视频(avi 文件与 mat 文件内容相同) 。请利用你们 所构造的建模方法,从每组视频中选出包含显著前景目标的视频帧标号,并将其 在建模论文正文中独立成段表示。务须注明前景目标是出现于哪一个视频(如 Campus 视频)的哪些帧(如 241-250,421-432 帧) 。 问题五: 如何通过从不同角度同时拍摄的近似同一地点的多个监控视频中 (如图 3 所 示) 有效检测和提取视频前景目标?请充分考虑并利用多个角度视频的前景之间 (或背景之间)相关性信息 图 3 在室内同一时间从不同角度拍摄同一地点获得的视频帧 问题六: 利用所获取前景目标信息,能否自动判断监控视频中有无人群短时聚集、人 群惊慌逃散、群体规律性变化(如跳舞、列队排练等) 、物体爆炸、建筑物倒塌 等异常事件?可考虑的特征信息包括前景目标奔跑的线性变化形态特征、 前景规 律性变化的周期性特征等。尝试对更多的异常事件类型,设计相应的事件检测方 案。 (请从网络下载包含各种事件的监控视频进行算法验证) 2. 模型假设 (1)假设像素值从背景变到前景(前景变到背景)时有一个较大范围的跳变, 而当像素恒处于背景或前景时则变化不大。 (2)假设物体在视频中时刻在运动。 (3)假设物体进出该像素点的次数不超过 5 次。 (4)假设前景运动物体在整个图片占据面积不超过 1/3。 (5)假设前景后景之间的灰度值相差较大。 3. 基本符号说明 基本符号说明 i x 第 i 帧图片的像素矩阵 M Vibe 模型匹配标志 t P l 背景运动信息分布概率 , x y 像素点的坐标 ( , , )I x y n 第n帧图片, x y处的像素值 模型更新率 4. 问题一(静态背景下的前景提取) 4.1 问题分析问题分析 问题一要求对一个不包含动态背景、 摄像头稳定拍摄时间大约 5 秒的监控视 频,构造提取前景目标(如人、车、动物等)的数学模型,并对该模型设计有效 的求解方法。 首先,对于视频处理问题可以看做是对每一帧图片做处理的问题,而灰度图 (黑白图片) 可以看做是一个矩阵 w h i xR
网站客服QQ:2055934822
金锄头文库版权所有
经营许可证:蜀ICP备13022795号 | 川公网安备 51140202000112号