基于行走轨迹的智能监控系统的研究与实现

论文摘要

近年来,随着视频监控系统不断向数字化和智能化发展,智能监控技术已经引起了越来越多的国内外厂商和学者的重视并进行了一系列的研究。随着时代的进步,这项技术也在不断的发展完善,智能监控在未来必将有广阔的应用前景并为社会带来巨大的经济效益。本课题主要侧重于对基于行走轨迹的智能监控系统的研究,主要对在特定场景下的闲逛与滞留人员实施了智能监控,整个监控系统的结构由运动目标检测、运动目标跟踪和基于行走轨迹的异常行为判别三个模块组成,本系统可以有效解决现有人工监控系统的缺陷,胜任无人值守下的智能监控。本文首先介绍了当前国内外在智能监控系统关键技术方面的研究现状和发展趋势,并且分析了其在视频监控方面的应用情况。然后,在静止背景下运动目标检测和提取研究方面,采用了背景减除法与时间差分法加权平均的方法进行运动目标检测,提取出较为精确的运动人体轮廓。在运动目标跟踪研究方面,在分析了现有跟踪方法的基础上,采用了一种适合于本系统的运动目标跟踪算法,即利用运动目标的外接矩形框对场景中的运动对象进行实时跟踪。在利用检测与跟踪得到的人体运动信息的基础上,本文对人的行走轨迹进行了讨论和研究,主要针对闭合曲线和螺旋线这两种线形,提出了一种全新的基于行走轨迹进行异常行为识别的方法,该方法首先运用背景减除法与时间差分法加权平均的目标检测法对运动人体进行检测,然后通过对人的行走轨迹的跟踪与记录来判断某人是否可疑,通过实验结果表明,本文提出的方法具有一定的可靠性和鲁棒性,而且具有很好的实时性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 研究目的和意义
• 1.3 研究现状和发展趋势
• 1.3.1 监控技术的研究现状
• 1.3.2 监控技术的发展趋势
• 1.4 本文研究的主要内容及所做的工作
• 1.5 论文结构安排
• 第二章 智能监控系统关键技术综述
• 2.1 运动目标检测方法综述
• 2.2 运动目标跟踪方法综述
• 2.3 运动目标的行为理解与分析
• 2.4 运动目标的行走轨迹的分析与研究
• 2.5 本章小结
• 第三章 运动目标检测
• 3.1 图像处理概述
• 3.2 图像预处理方法
• 3.2.1 平滑
• 3.2.2 滤波
• 3.3 背景模型的初始化和更新
• 3.3.1 统计平均法
• 3.3.2 高斯统计模型方法
• 3.4 运动目标检测的原理与方法
• 3.5 运动人体轮廓提取
• 3.5.1 灰度直方图
• 3.5.2 图像分割
• 3.5.3 二值化图像
• 3.5.4 数学形态学处理
• 3.5.5 区域连通性分析
• 3.5.6 人体轮廓提取结果
• 3.6 本章小节
• 第四章 运动目标跟踪及基于行走轨迹的异常行为识别
• 4.1 运动目标跟踪方法简介
• 4.2 运动目标跟踪方法的原理介绍
• 4.3 基于行走轨迹的异常行为识别的研究背景和现实意义
• 4.4 两种行走轨迹线形的原理与算法描述
• 4.5 本章小结
• 第五章 基于行走轨迹异常行为识别的实验结果
• 5.1 基于行走轨迹异常行为识别判断算法的详细描述
• 5.2 实验说明
• 5.3 实验结果
• 5.4 实验结果验证与分析
• 5.5 本章小结
• 第六章 总结和展望
• 6.1 本文总结
• 6.2 未来展望
• 致谢
• 参考文献
• 在读期间发表论文