图像识别技术在智能视频监控系统中的应用研究

论文摘要

智能视频监控系统的智能性主要体现在图像识别功能上,具有图像识别功能的智能视频监控系统的出现是视频监控系统发展的重要标志。智能视频监控技术的关键在于图像识别算法的选择与实现,由于人脸检测和识别技术具有典型性以及广泛的实用价值,所以本文选择人脸图像为对象进行检测和识别。论文采用服务器/客户端模式设计视频监控系统。采用基于达芬奇技术的嵌入式客户端实现视频数据的采集与传输,在服务器端进行基于OpenCV库的算法的实现,从而实现对视频中图像目标的智能检测和识别。论文首先采用达芬奇技术实现了视频图像采集,选择RTP/RTCP实时传输协议实现了视频传输；然后提取视频图像每一帧人脸的Harr-Like特征,计算其积分图像,选择了Adaboost算法设计级联分类器从而实现对人脸目标的检测定位,检测率基本能够满足识别需要；最后提取人脸目标的统计特征,采用主成分分析法进行降维,选取了支持向量机算法设计多分类器,实现了对人脸目标的识别功能。在实验室人脸库中进行的实验表明：本文算法实现简单,识别率达到90%以上论文从理论到实践,对于人脸图像识别技术在监控系统中进行应用时所涉及到的系统架构、关键技术和算法进行了研究。通过图像识别算法在视频监控系统上的初步应用可以看出,本文较好地实现了监控系统中人脸的检测和识别功能,方法具有一定的通用性和实用性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景与选题意义
• 1.2 发展动态与研究现状
• 1.2.1 发展动态
• 1.2.2 研究现状
• 1.3 达芬奇技术
• 1.4 OpenCV
• 1.4.1 OpenCV的内容
• 1.4.2 OpenCV的安装
• 1.5 研究内容与结构安排
• 第2章 基于达芬奇技术的智能视频监控系统
• 2.1 智能视频监控系统架构
• 2.2 基于达芬奇技术的硬件开发平台
• 2.2.1 TMS320DM355 DMSoC
• 2.2.2 TechvDM355视频开发评估板
• 2.3 基于达芬奇技术的软件开发平台
• 2.3.1 引擎与服务器框架
• 2.3.2 xDAIS和xDM算法标准
• 2.3.3 TechvDM355的软件架构
• 2.4 嵌入式开发环境的搭建
• 2.5 应用程序的开发
• 2.5.1 视频采集Capture Thread
• 2.5.2 视频压缩Video Thread
• 2.5.3 视频信息发送Send Thread
• 第3章 基于Adaboost算法的人脸检测
• 3.1 人脸检测概述
• 3.2 Haar-like特征提取
• 3.2.1 Haar-like特征
• 3.2.2 积分图像
• 3.3 Adaboost算法
• 3.3.1 弱分类器
• 3.3.2 基于Boosting算法的强分类器
• 3.3.3 基于Adaboost算法的强分类器
• 3.3.4 级联分类器
• 3.4 算法在人脸检测中的应用
• 3.4.1 分类器训练
• 3.4.2 人脸检测
• 第4章 基于支持向量机算法的人脸识别
• 4.1 人脸识别概述
• 4.2 主成份分析法
• 4.2.1 PCA降维原理
• 4.2.2 确定PCA维数
• 4.3 支持向量机
• 4.3.1 线性支持向量
• 4.3.2 非线性支持向量
• 4.3.3 多类支持向量机
• 4.4 算法在人脸识别中的应用
• 4.4.1 Libsvm介绍
• 4.4.2 人脸数据库的建立
• 4.4.3 参数的选取
• 4.4.4 分类结果演示
• 第5章 结论与展望
• 5.1 本文的工作总结
• 5.2 存在的不足与改进
• 参考文献
• 致谢
• 攻读硕士期间发表论文情况