以類間方差作為衡量分離性能的準則，極大化的過程就是自動取定閾值的過程，因此，最佳閾值為：

2009-12-21 10:08:24 上傳

下載附件 (3.64 KB)

。換句話說，類間方差最大的那個圖像灰度值就是當前差值圖像的最佳閾值。

　　運動目標檢測

　　動態閾值確定以后，可根據此閾值對差值圖像進行二值化，得到二值圖像。但是在背景和目標中還會存在一定量的噪聲斑點，再經過形態學運算處理后的圖像更有利于目標提取，濾波后的二值圖像通常包含多個連通區域。本文采用改進快速標記算法對各連通域進行檢測提取。該算法對原圖像只進行一次掃描后通過特殊的邊界像素標記，就能搜集足夠信息，可方便快捷的獲得目標幾何特征參數，算法分為像素掃描、整理等價表和圖像代換，共三個環節。

　　根據用戶設置的算法規則判斷報警

　　得到動目標的外接矩形以后，對每一個目標物進行跟蹤監控就具體化為對每一個矩形框的跟蹤監控。這一過程中，用戶通過PC端的客戶端模塊中的用戶界面來選擇算法規則，實現對人或車的監控。用戶可以在主機服務器界面中設定規則，包括對場景設置虛擬警戒線、警戒區域和違規行為(比如貴重物體消失報警，可疑物的出現報警，目標物的越線報警)。一旦當前幀有外接矩形違規，則產生報警信息。

　　結語

2009-12-21 10:08:24 上傳

下載附件 (8.89 KB)

　　本文實現了一個支持多板卡，多通道以及網絡監控的智能視頻監控系統。提供了一個完整的包括DSP硬件、軟件框架、算法及實現的解決方案，較好的解決了背景更新，動目標提取等監控系統中的重要技術環節，提出并實現了對可疑物的報警、對貴重物體的報警等實用算法。基于DM642的DSP硬件板卡如圖5所示，系統運行結果如圖6所示。整個系統的技術指標如表1所示。

2009-12-21 10:08:23 上傳

下載附件 (20.63 KB)

　　參考文獻：

　　[1] Morita S, Yamazawa K, Yokoya N. Networked video surveillance using multiple omnidirectional cameras[C], IEEE International Symposium on Computational Intelligence in Robotics and Automation, 2003

　　[2] Dias H, Rocha J, Silva L P. Distributed Surveillance System[C], IEEE portuguese conference on Artificial intelligence, 2005

　　[3] Lipton A, Fujiyoshi H, Patil R. Moving target classification and tracking from real-time video[J]. Proc.Of WACV’98,1998:8-14.

　　[4] Stauffer C, Grimson W. Adaptive background mixture models for realtime tracking [J] . Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition , 1999,2(6) :248 - 252

　　[5] Barron J, Fleet D, Beauchemin S. Performance of optical flow techniques [J]. International Journal of Computer Vision , 1994,12 (1) :42 - 77.

　　[6] 彭啟琮, 管慶等. DSP集成開發環境-CCS及DSP/BIOS的原理與應用[M]. 北京:電子工業出版社, 2005

　　[7] TI. Reference Frameworks for eXpressDSP Software: RF5, An Extensive, High-Density System, SPRA795, 2003

　　[8] Li G, Zeng R, Lin L. Intelligent Control and Automation, China The Sixth World Congress[C], 2006,2:9778-9781, Dalian

　　[9] 王亮,黃飛, 馮少彤等. 一種改進的二值圖像像素標記算法[J]. 南京師范大學學報(工程技術版), 2006(2):23-29