資源描述：
《游泳池智能報警系統(tǒng)中游泳者檢測問題的研究》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。
1、摘要摘要視頻監(jiān)控系統(tǒng)是維護社會公共安全和預防災害事故為目的的一項系統(tǒng)工程，在銀行、商場、倉庫以及道路監(jiān)控中已獲得廣泛的應用。經(jīng)過二十幾年的發(fā)展，視頻安全監(jiān)控系統(tǒng)從無到有，從簡單到復雜，現(xiàn)已進入一個日漸成熟的高速發(fā)展時期。游泳池智能溺水報警系統(tǒng)在最近幾年也有很快的發(fā)展，它不僅能夠有效地協(xié)助救生員完成保障游泳者安全的任務，而且節(jié)省了大量的人力，同時縮短了溺水發(fā)生后的搶救時間。本文主要研究了游泳池智能溺水報警系統(tǒng)的基本理論和關鍵技術。運動目標的檢測、背景更新、陰影抑制以及噪聲去除是其中最基礎的部分。本論文針對以上幾方面問題進行了探索和研究，提出了
2、新的方法，并通過實驗證明了新方法的有效性。主要研究包括以下幾個方面：l、對于背景建模問題，本文采用高斯混合模型描述連續(xù)視頻監(jiān)視圖像中每一個被觀察的像素，建立具有自適應性的背景模型，利用EM算法估計背景的各項參數(shù)。針對溺水報警系統(tǒng)的特點，本文提出了一種準確快捷的初始背景提取方法。2、由于外界光線的干擾以及游泳者的游動等原因，泳池的背景會發(fā)生各種常見的變化，背景模型不再反應真實的背景情況，需要對其進行實時更新。本文對幾種可能出現(xiàn)的背景變化情況進行了討論，分別提出了相應的解決方案。論文中首次提出了過濾掉不感興趣區(qū)域的想法，并且創(chuàng)新性的設計了均值算
3、子來計算所覆蓋區(qū)域的均值。實驗證明，所提算法有效地解決了相應的背景更新問題。3、在對陰影抑制問題的研究中，本文分別探討了基于RGB顏色空間和HSV顏色空間的陰影檢測算法，而HSV顏色空間較RGB顏色空間更接近于人的視覺對顏色的感知能力，而且能夠更準確地反映灰度信息和色彩信息。實驗結(jié)果表明，基于HSV空間的算法更能準確的檢測出陰影區(qū)域并有效地去除。4、對于游泳者檢測和連通區(qū)域分析問題，本文提出了一種基于背景差分法的游泳者檢測算法來提取運動目標，利用數(shù)學形態(tài)學對前期檢測圖像進行預處理，然后對連通區(qū)域做相應的標識，計算連通區(qū)域的面積，根據(jù)判斷規(guī)則
4、，如果面積小于一定的閾值，那么該區(qū)域被去除。關鍵詞視頻監(jiān)測；運動目標檢測；背景更新；陰影抑制；溺水判斷AbstractVideosurveillanced耐cesaresystemsengineeringprojectsforthepurposeofsaf．e刪ingpublicsafetyandpreventingcommunitydisasters，wllichh州ebe髓widelyappliedt0thebanks，shoppingmalls，warehousesandroads·Aftermorethan20vearsdevelo
5、pment，videosurveillancesystemsarenowstepIntoamatureanQhigh-speeddevelopmentperiod，whichfromscratch，came幽u曲simplet0complex·11lrccentyears，ithasmadegreatprogress．ItcannotonlyeffectivelyhelpnlelifeguardstoguaraI】把etheswimmer’ssafety，butalsosavealotofmanpower,aswe兒aSreducingre
6、scuetimewhiledrowningoccurred·Basictheoryandkeytechnologyforintelligentdrowningalarmsyst鋤mpool盯ememainresearchcontentsinthispaper．Movingtargetsdetectiort,back伊oundupdatin＆shadowsuppressionandnoiseremovalarethemajor‘echnologyforthesvstem．Fortheseveralproblemsmentionedabove，
7、thispapercamedouteXploratlonaIldresearch，proposeanewapproaches，andexperimentsprovedtheeffectlVenessoft11emethods．Majorresearchesareasthefollowing：】、Fortheprobl锨ofbackgroundmodel，thispaperadoptedGaussi8nm1Xturemodeltodescribeeachpixelinthesurveillancevideo，andestablishaself
8、‘a(chǎn)daptiVebackgroundmodel．Theparametersofbackgroundmodelwercest仰atedbyEMalgori恤1．According
