基于人体行为分析的智能监控系统设计与实现

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。基于计算机视觉的智能安全监控系统不但能够高效地完成保障安全的任务,还能节省大量的人力物力,给社会带来很大的经济收益。因此本文主要针对智能安全监控方面的应用需求,设计了相应的人体运动分析系统,不仅完成了在固定场景中对于人体的检测与跟踪,并且在充分的利用了检测与跟踪得到的人体运动信息的基础上,实现了对于视频监控范围内的人体实施的行为进行主动分析,从而能够对一些异常的人体行为做出识别。文章首先详细介绍了当前国内外在人体运动分析领域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。在此基础上,本文完成的研究工作及主要贡献包括以下三个方面:在静止背景下运动目标检测和提取研究方面,总结了当前常用的几种算法的原理,提出了一种改进的运动目标检测算法。利用背景减除法从背景中提取出前景区域,同时,利用时间差分法对视频流进行处理可以获得目标的运动区域。而后将两种提取的区域进行加权平均,即可获得较为精确的人体轮廓。并在此基础上提出了一种快速而有效的二次二值化方法实现了对运动目标的分割提取。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,详细介绍了本文采用的一种适合于本系统的运动目标跟踪算法。即先通过本文提出的区域融合方法完成对单个或多个运动目标的位置标定。然后,利用卡尔曼滤波器实现运动对场景中的运动目标的实时跟踪。由于连续的人体运动是由不同时刻人体姿态组成的序列,因此在人体行为识别方面,本文采用模板匹配法。即把每一个采样时刻的人体轮廓当作一个基本动作,并组成标准的人体行为序列模板。然后,利用加权Hu矩作为特征值,将实时检测到的视频序列图像与标准行库图像进行匹配比对实现对运动目标的行为识别。

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
• 1.3 人体运动分析技术的发展趋势
• 1.4 本文研究的主要内容
• 1.5 论文结构安排
• 第二章 运动图像分析基础
• 2.1 图像分析的意义
• 2.2 运动图像的含义
• 2.3 数学形态学基础
• 2.3.1 腐蚀与膨胀
• 2.3.2 开与闭
• 2.4 图像处理技术
• 2.4.1 图像平滑
• 2.4.2 中值滤波
• 2.5 本章小结
• 第三章 运动目标检测
• 3.1 改进的运动目标检测法
• 3.1.1 时间差分法
• 3.1.2 背景减除法
• 3.1.3 背景减除法与时间差分法加权
• 3.2 基于背景建模的运动目标检测方法
• 3.2.1 背景图像的统计特性
• 3.2.2 颜色空间转换
• 3.2.3 背景模型的初始化
• 3.2.4 背景模型的更新
• 3.3 图像分割
• 3.3.1 阈值化分割
• 3.3.2 自适应阈值分割
• 3.3.3 二次二值化
• 3.4 本章小结
• 第四章 运动目标跟踪
• 4.1 运动目标跟踪模式的选择
• 4.2 运动目标跟踪的位置标定
• 4.2.1 区域融合
• 4.2.2 目标跟踪匹配
• 4.3 基于卡尔曼滤波的目标跟踪
• 4.3.1 Kalman 滤波器
• 4.3.2 Kalman 滤波器参数定义
• 4.3.3 Kalman 滤波器的实现
• 4.4 实验结果
• 4.5 本章小结
• 第五章 运动目标行为识别
• 5.1 标准行为库
• 5.2 图像相似性对比算法
• 5.2.1 Hu 不变矩
• 5.2.2 加权Hu 不变矩
• 5.2.3 图像相似度
• 5.3 实验结果及分析
• 5.4 本章小结
• 第六章 系统设计及实验结果
• 6.1 系统设计与实现
• 6.1.1 系统框架
• 6.1.2 功能模块
• 6.2 系统开发平台及界面
• 6.3 实验结果及分析
• 6.4 本章小结
• 第七章 总结与展望
• 7.1 本文总结
• 7.2 未来展望
• 致谢
• 参考文献
• 在读期间发表论文