智能监控若干技术研究

论文摘要

随着社会经济的飞速发展,公共场所的安全问题面临日益严峻的考验,如何对这些公共场所进行有效地控制和管理,是非常重要的问题。智能监控的出现在一定程度上很好的解决了这一需求,如今它已成为计算机视觉领域重要的一个研究方向。智能视频监控的主要研究目标是借助于计算机视觉技术、图像处理技术以及模式识别技术,对监控场景中的行为特征进行信息提取,将提取的信息进行分析和识别,并向终端进行实时反馈,最终提示相关部门进行下一步的处理。由于智能监控技术在银行、电力、交通、邮电等行业有着广阔的应用前景和潜在的经济价值,同时又能节约大量的人力物力的投入,所以它已经成为国内外专家学者研究的热点之一。智能视频监控的环境是错综复杂且变化无常的,所以运动目标的检测就显得尤为重要,它直接影响后续工作的进行。本论文研究的是智能视频监控中人群密度和运动方向的估计。首先介绍了智能视频监控的发展以及国内外研究现状,然后阐述了运动目标检测常用的一些方法,并对这些方法进行了实验比较,分析了算法的优缺点,最终在传统的码书模型基础上进行了相应的改进,不仅保证了运动目标检测的精度,还满足了智能视频监控的实时要求。在人群密度估计方面,本文利用人群图像的统计特征,将这些统计特征和人群的数量进行曲线拟合,得到他们的拟合关系,然后利用该拟合函数进行人群密度的估计。在人群运动方向估计方面,采用了基于块匹配算法的人群运动方向估计。在搜索策略的选择上,论文通过实验对比分析了三步搜索法和全搜索法的优劣,在实时的监控系统中使用三步搜索法作为人群运动方向估计的基础。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究目的及意义
• 1.2 国内外研究现状及分析
• 1.2.1 基于工程应用的研究方向
• 1.2.2 基于理论的研究方向
• 1.3 本文主要工作及内容安排
• 第二章 运动目标检测相关技术
• 2.1 运动目标检测技术的概述
• 2.2 视频运动目标检测的主要方法
• 2.2.1 帧间差分法
• 2.2.2 光流法
• 2.2.3 背景差分法
• 2.2.4 基于高斯背景模型的运动目标检测
• 2.3 改进的码书模型算法
• 2.3.1 改进的码书模型算法
• 2.3.2 码书的训练
• 2.3.3 对视频流时间轴的分析
• 2.3.4 算法流程
• 2.3.5 实验结果分析与对比
• 2.4 本章总结
• 第三章 基于统计特征的人群密度估计
• 3.1 人群边缘特征提取
• 3.1.1 边缘检测概述
• 3.1.2 边缘检测算子
• 3.2 人群Harris角点特征提取
• 3.2.1 Harris角点理论基础
• 3.2.2 实验结果与分析
• 3.3 回归估计分析
• 3.4 实验结果
• 3.4.1 实验数据相关说明
• 3.4.2 实验结果与分析
• 3.5 本章总结
• 第四章 基于块匹配的人群运动方向估计
• 4.1 基于块匹配的运动方向估计的基本原理
• 4.2 初始搜索点选择
• 4.3 块匹配准则
• 4.4 运动搜索的策略选择
• 4.4.1 全搜索算法（FS,Full Search）
• 4.4.2 十字搜索法（TDL,Two-Dimensional Logarithmic）
• 4.4.3 菱形搜索算法（DS,Diamond Search）
• 4.4.4 三步搜索法（TSS,Three Step Search）
• 4.5 实验流程步骤相关说明
• 4.6 实验与结果分析
• 4.6.1 实验结果
• 4.6.2 实验分析
• 4.7 本章总结
• 第五章 总结与展望
• 参考文献
• 致谢
• 攻读硕士学位期间的科研成果
• 攻读学位期间参加的科研项目