基于内容的自动视频监控研究

论文摘要

越来越多的监控摄像头遍布在公共场所。这些摄像头产生的数量巨大的原始粗糙信息或者被储存或者用来接受专职人员的监控。人工处理这些视觉信息的工作是单调乏味的，同时，大部分时间的原始视频中并不包含我们所关注的目标事件。摄像头如何被用来有效的进行场景监测，并根据需要进行实时预警，这是视频监控领域的需求之一。另外，随着对视频内容理解技术的发展，允许监控人员可以同时地实时监控多个复杂场景。因此，监控系统中需要处理的视频数据量非常大，不仅需要对场景的实时处理，如何处理获取到的大量视频数据，也是一个困难的问题：需要生成一种自动处理工具，帮助操作人员通过对原始视频流的有效地检测标注和整理，形成基于内容的结构化视频序列，以满足工作中对监控视频数据的保存和查询需求。 对视频监控场景的实时监控预警的需求和对监控视频流基于内容的结构化处理的需求，促使我们开展了基于内容的自动视频监控研究。 本文通过对视频监控问题进行深入研究，提出了一个基于内容的自动视频监控研究框架。该框架有针对性的从目前视频监控存在的问题入手，在实现目标物的检测，跟踪的基础上，对监控场景的事件行为分析理解，并根据监控需要进行事件自动预警。另外，通过基于内容的视频镜头切分，将原始视频流整理为结构化的镜头序列，方便了进一步的数据信息查询。大量在该框架下进行的实验说明了该系统框架的鲁棒性，实用性和有效性。 总体上说，本文贡献如下： 我们提出基于码书模型的改进背景减除算法，用动态原始视频流作训练数据，鲁棒地处理了复合复杂监控场景的背景建模问题。 我们提出基于内容的横向监控视频分层的概念。假设像素中存在协调一致的可统计计算的特征，通过足够的学习，产生一个包含可计算特征库的模型来系统的优化构建了视频层切分工具。 我们基于隐马尔可夫模型对监控场景中的内容事件进行识别。通过最小化组成分布

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 视频监控问题综述
• 1.2 视频监控的研究内容
• 1.2.1 目标物检测
• 1.2.2 目标物跟踪
• 1.2.3 行为理解
• 1.3 视频监控的应用需求
• 1.3.1 鲁棒性
• 1.3.2 实时性
• 1.3.3 摄像头转接
• 1.3.4 视频数据挖掘
• 1.4 视频监控研究中存在的问题
• 1.4.1 运动目标物与静止目标物
• 1.4.2 视频监控系统的通用性和特殊性
• 1.4.3 视频监控信息的有效性和冗余性
• 1.5 本文工作
• 1.5.1 研究动机
• 1.5.2 研究问题
• 1.5.3 论文贡献
• 1.5.4 论文组织
• 第二章 基于码书模型的背景减除
• 2.1 背景减除问题
• 2.1.1 预处理
• 2.1.2 背景建模
• 2.1.3 前景检测
• 2.1.4 数据确认
• 2.2 相关工作
• 2.3 基于码书模型的改进背景减除算法
• 2.3.1 码书的初始化
• 2.3.2 建立模型
• 2.3.3 前景检测
• 2.4 实验结果
• 2.5 色彩模型分析
• 2.5.1 光线色彩变化分析
• 2.5.2 色彩模型
• 2.6 本章小结
• 第三章 基于最大熵模型的视频分层处理
• 3.1 分层问题的提出
• 3.2 最大熵模型
• 3.2.1 最大熵原理
• 3.2.2 最大熵模型的构建
• 3.2.3 视频分层模型与最大熵模型
• 3.3 基于最大熵模型的视频分层算法
• 3.3.1 码书构建
• 3.3.2 分层建模
• 3.3.3 分层处理
• 3.4 实验结果
• 3.5 本章小结
• 第四章 基于隐马尔可夫模型的事件识别
• 4.1 问题综述
• 4.2 基于隐马尔可夫模型的建模
• 4.2.1 隐马尔可夫模型
• 4.2.2 熵评估的隐马尔可夫模型
• 4.3 模型应用
• 4.3.1 结构挖掘实例
• 4.3.2 视频事件识别
• 4.4 实验结果
• 4.5 本章小结
• 第五章 监控视频的结构化处理
• 5.1 基于自然特征的监控视频镜头检测与切分
• 5.1.1 监控视频镜头的定义
• 5.1.2 监控视频镜头的检测
• 5.1.3 实验结果
• 5.1.4 小结
• 5.2 基于内容特征的监控视频镜头检测与切分
• 5.2.1 问题的提出
• 5.2.2 相关工作
• 5.2.3 监控视频镜头切分
• 5.2.4 实验结果
• 5.2.5 小结
• 5.3 本章小结
• 第六章 视频监控性能评估
• 6.1 ROC曲线评估
• 6.1.1 视频监控的ROC曲线定义
• 6.1.2 视频监控系统的参数选择准则
• 6.2 功能与参数定义
• 6.2.1 逻辑架构
• 6.2.2 评估功能与选择参数定义
• 6.3 实验结果
• 6.4 本章小结
• 第七章 总结与展望
• 7.1 工作总结
• 7.2 工作展望
• 参考文献
• 学术论文
• 致谢