复杂背景下视频智能分析技术的研究及实现

论文摘要

近年来，随着社会经济与文化的发展，视频监控系统得到迅速普及，从而大力推动了视频智能分析技术的研究。本文通过研究复杂背景环境下，目标检测、跟踪、以及特定场景规则的制定，提出了一些新方法和新思路。在此基础上实现了一个视频智能分析平台系统，该系统在实际环境中得到了验证。文章研究内容主要包括以下四个方面：1、运动目标检测。针对复杂背景下前景提取困难以及提取准确率低的问题，一方面，本文提出了BTP-JE模型，该模型利用贝叶斯准则和全概率公式将像素分为前景像素点和背景像素点；另一方面，本文利用BTP-JE模型与光流法相结合提高了前景提取的准确率。2、场景规则的确定。为了判断监控视频中的目标是否为异常目标，需要自定义一个场景规则。在视频监控中，某个目标进入某一虚拟防区就是异常行为。针对目标区域选择的不确定性，本文利用相关几何算法得到了一个更为实用的多边形目标异常判定模型。3、目标跟踪。当运动目标逐渐远离视频监控区域而变小或所跟踪目标部分被遮挡时，CamShift算法可能无法持续跟踪同一目标。针对此问题，本文提出了基于CamShift与光流法相融合的目标跟踪方法，该方法在一定程度上解决了CamShift算法对运动目标跟踪丢失的问题。另外，CamShift算法是一个半自动的跟踪算法，它需要人为初始化搜索框，而且一次只能跟踪一个目标，针对这些问题，本文提出了一种基于OTBKC-BTP-JE的目标跟踪算法，实验结果表明，该算法对多目标的跟踪效果和稳定性较好。4、视频智能分析平台的开发。本文在以上研究成果的基础上，设计开发了一个视频智能分析平台系统，该系统不仅可以对居民小区、道路、学校和其它地方进行智能监控，同样也可以进行算法测试。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景与意义
• 1.2 国内外视频智能监控的发展现状
• 1.3 视频智能分析技术包含的内容
• 1.4 视频智能分析技术实际应用中面临的问题
• 1.4.1 实时性
• 1.4.2 鲁棒性
• 1.4.3 场景规则的确定
• 1.5 研究工作的主要创新点
• 1.6 文章结构安排
• 1.7 本章小结
• 第二章 运动目标检测
• 2.1 帧差法
• 2.1.1 相邻两帧图像差分法
• 2.1.2 多帧图像差分法
• 2.1.3 实验结果
• 2.2 背景差方法
• 2.2.1 早期背景差分法
• 2.2.2 后期背景差分法
• 2.3 基于 BTP-JE 模型的前景检测
• 2.3.1 问题说明
• 2.3.2 背景和前景特征信息的获取
• 2.3.3 BTP-JE 模型前景检测算法
• 2.3.4 实验结果与误差分析
• 2.4 光流法
• 2.4.1 光流法基本原理
• 2.4.2 基于 BTP-JE 模型与光流法相结合的运动目标检测
• 2.4.3 实验结果
• 2.5 本章小结
• 第三章 场景规则确定
• 3.1 场景规则介绍
• 3.2 单虚拟警戒线规则
• 3.3 虚拟矩形警戒区域规则
• 3.4 虚拟多边形警戒区域规则
• 3.4.1 线段相交判断
• 3.4.2 点与多边形位置关系的判断
• 3.4.3 多边形目标异常判定模型
• 3.5 本章小结
• 第四章 运动目标跟踪
• 4.1 MeanShift 算法对运动目标的跟踪
• 4.1.1 基本 MeanShift
• 4.1.2 扩展的 MeanShift
• 4.1.3 MeanShift 算法
• 4.2 基于 CamShift 算法的目标跟踪
• 4.2.1 CamShift 算法原理
• 4.2.2 基于 CamShift 与光流法相融合的运动目标跟踪
• 4.3 Kalman 滤波器
• 4.3.1 Kalman 滤波器的状态方程与观测方程
• 4.3.2 Kalman 滤波器的计算原型
• 4.3.3 Kalman 滤波算法
• 4.3.4 Kalman 滤波器对运动目标预测的实现
• 4.4 基于 OTBKC-BTP-JE 模型的多目标跟踪
• 4.4.1 OTBKC-BTP-JE 算法流程
• 4.4.2 实验结果
• 4.5 本章小结
• 第五章 视频智能分析平台的设计与实现
• 5.1 视频智能分析平台概述
• 5.2 视频智能分析平台设计原则
• 5.3 视频智能分析平台总体设计
• 5.4 视频智能分析平台实现的准备条件
• 5.5 视频智能分析平台实现
• 5.5.1 用户登录
• 5.5.2 视频智能分析平台主界面
• 5.6 视频智能分析平台实验结果
• 5.7 本章小结
• 总结与展望
• 1 总结
• 2 展望
• 参考文献
• 攻读硕士学位期间取得的研究成果
• 致谢
• 附件