基于视频检测的智能监控系统及其关键技术研究

论文摘要

计算机视觉是人工智能领域的一个重要分支,也是目前实践应用较广的一个分支,其中,运动目标的跟踪与识别又是一个研究热点。在现今世界各国异常重视安全问题的形势下,智能监控系统的应用前景非常广阔。智能监控技术涉及图像处理、图像分析、机器视觉、模式识别等众多研究领域,是一种跨学科的综合性技术,也是一个极具挑战性的前沿性课题。本文首先简要介绍关于智能监控系统相关技术的国内外研究现状,集中阐释了目前智能监控系统中常用的技术并进行了优劣分析,介绍了相关技术研究的发展趋势。在此基础上,重点论述了完成的工作及主要贡献,包括以下三个方面：一、固定场景中运动目标的检测。总结了当前常用的背景减除法、时间差分法的算法原理,并通过实验总结了其优点和不足及其适用范围。二、复杂背景、低对比度条件下微弱目标识别与跟踪。根据课题分工,本文在这方面进行了一些探索。目前,对这些场合(比如夜景)多使用红外等手段,其实这些手段所得到的图像对比度并不低。本文提出一种多重处理方法,识别复杂背景、低对比度条件下的微弱目标。三、基于向量场模型行为分析的初步探索。这是一种针对视频监控系统中的行为分析的全新方法。首先从视频流获取一个动态的向量场,根据向量场中特定参量的特征变化判断视频中包含哪些事件,进一步判断是否发生异常。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 研究目标及应用前景
• 1.3 智能监控技术的发展趋势
• 1.4 关键技术及研究创新性综述
• 第二章 图像和视频处理关键技术
• 2.1 图像处理技术
• 2.1.1 傅里叶变换、频率域与空间域
• 2.1.2 滤波
• 2.1.3 图像分割
• 2.1.4 数学形态学处理
• 2.1.5 图像色彩空间
• 2.2 视频处理技术
• 2.2.1 视频处理技术综述
• 2.2.2 视频编码与压缩技术
• 2.3 Open CV库简介
• 2.4 本章小结
• 第三章 运动目标识别跟踪与行为分析关键技术
• 3.1 背景模型
• 3.2 目标跟踪与特征点提取
• 3.3 行为分析
• 3.3.1 人体建模
• 3.3.2 事件识别
• 3.3.3 运动估计
• 3.3.4 行为理解
• 3.4 关键算法分析与对比
• 3.5 本章小结
• 第四章 弱目标识别与跟踪的多重处理方法
• 4.1 多重处理方法中关键算法的原理
• 4.1.1 自适应背景混合模型
• 4.1.2 SA4向量小波
• 4.2 多重处理方法的过程
• 4.3 本章小结
• 第五章 基于向量场模型的行为分析
• 5.1 智能监控系统总体结构设计
• 5.1.1 总体设计结构及框图
• 5.1.2 重要模块的说明
• 5.2 向量场模型
• 5.2.1 方法及模型
• 5.2.2 向量场的获取和更新
• 5.2.3 特征的表示和匹配
• 5.3 本章小结
• 第六章 实验结果及分析
• 6.1 实验方法及结果
• 6.2 实验分析
• 6.3 本章小结
• 第七章 总结和展望
• 7.1 全文总结
• 7.2 未来展望
• 参考文献