4。1  模板匹配原理 12

4。2  人体头肩椭圆模板匹配方法 13

  4。3  本章小结 17

5  总结与展望 18

5。1  本文工作总结 18

5。2  不足与改进 18

致谢 19

参考文献20

1  引言

1。1  研究目的及意义

智能监控[2]就是指将自动视频分析技术应用到传统视频监控系统中。利用计算机的快速处理能力，解析视频相关内容，在探寻到视频中存在非正常问题时，第一时间采取联动报警措施，在促进监控机制实时性的提高的同时，节省了人力。作为一项错综复杂的监控工程，人体检测及识别系统涵盖的知识面十分广泛，覆盖的领域包括人工智能、模式识别、数字图像解析等等，在各种拥有较大人流量、人机交互级别较高的场所，并创造了可观的经济效益和市场价值。而且，作为智能监控技术的必要前提和难以攻克的课题之一，近年来，人体检测与识别[3,4]引起了业界的普遍关注。 

借助过智能监控系统，可有效分析监控中的图像，并针对各种异常情况采取针对性的处理措施，保障了周围环境和人群的安全。智能监控系统用于交通，可进行交通标志识别、车流量统计、道路监控等，可以更好地保障交通安全。与此同时，智能监控在军事上的运用也很广泛，例如监控军事场所和基地，在导弹武器系统的运用，为国境线“站岗”等。论文网

捕捉并显示各种场景事件，是传统视频监控系统的主要功能。随着人们对更具时效性、准确性监控功能的需求的持续提高，具有实时监控功能的智能监控系统应运而生。检测、识别并分析视频序列目标的动作，即所谓实时监控，而智能监控目标的达成，必然要经过检测、识别的过程。所以，围绕智能监控工程，对人体识别技术进行研究有着重要意义。

1。2  国内外发展及现状

1。3  本文研究内容及组织结构

以静态背景为基础，本课题对运动人体检测和识别技术展开了深入探讨，通过周密的分析优化了已有算法，以在精确性、实时性上，对所选择算法加以保证。就人体检测而言，本课题选择的是基于边缘检测和三帧差分相乘法相融合的算法；对于人体识别，采用的是基于人体头肩椭圆模板级联匹配的算法。

本文结构主要分为五章：

首先，从内容、国内外现状、意义及目的等方面入手，对本研究进行介绍。

其次，从理论的角度，对图像分割及去噪、直方图灰度均衡化等和图像预处理有关知识进行梳理；

第三章介绍了背景差分、帧间差分、光流等基于静态背景的目标检测算方法，并在此基础上实现了一种基于边缘检测和三帧差分相乘法相结合的算法。

第四章介绍了模板匹配的原理，并在此基础上使用了一种基于人体头肩椭圆模板级联匹配的算法。

第五章主要是对本文研究课题的总结与展望，梳理了本课题的内容及成果，对课题所涉及算法存在的问题，以及需要改进的地方，进行了归纳和分析。

2  图像预处理

2。1  图像去噪

2。1。1  图像噪声类型

在人们的普遍观念中，作为一种随机误差，噪声是不可预测的，其描述只可通过概率统计手段来完成。在获取、传输数字图像的各个环节中，不可避免地会出现噪声。由于多方面因素会从工作状态上，对图像传感器造成干扰，图像也会在传输过程中遭受噪声的干扰。下面将会介绍几种噪声模型。