视频图像序列的目标检测与识别及其在勤务监控系统中的应用

论文摘要

视频监控技术涉及计算机科学、机器视觉、图像处理、模式识别和人工智能等多个学科,是计算机视觉领域一个新兴的应用方向和备受关注的前沿课题。智能视频监控即利用计算机视觉和序列图像分析的方法,对摄像机拍摄到的图像序列进行自动处理、分析和识别。目前现有的勤务监控系统在功能上相对单一,主要依靠人进行检测和识别,无法适应警卫、看押、看守任务的需要。本文根据实际任务需求,将智能视频监控技术应用到勤务监控系统中,围绕智能视频监控系统的一些关键技术进行了研究。通过智能监控系统能够检测到场景中出现的目标,判断该目标是否是人,从而采取一定的报警措施,这样能使执勤效率得到极大提高。首先,通过实验分析了基于高斯模型的背景更新问题,利用背景帧差法从视频中检测得到运动目标;采用了基于C-均值聚类的方法进行运动目标的提取,实验证明该方法较之典型的迭代法和OTSU法,均能够得到理想的分割效果。其次,根据分割得到的目标前景图像,从中建立人体目标的高宽比、面积比和周长比等特征参数,对基于BP神经网络的目标识别算法做了改造,构建了一个三层BP神经网络,通过对样本进行学习和训练,判断检测得到的目标是人还是其它物体,从而实现对人体的智能化识别。最后,根据勤务监控系统的需求分析,提出了系统的总体结构设计和软硬件部分的设计并做了部分实现。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 研究现状
• 1.2.1 视频监控技术的发展
• 1.2.2 国内外研究现状
• 1.2.3 面临的主要问题
• 1.3 主要研究内容
• 1.4 论文章节安排
• 第二章 运动目标检测的相关技术
• 2.1 引言
• 2.2 图像预处理
• 2.2.1 均值滤波器
• 2.2.2 高斯滤波器
• 2.2.3 中值滤波器
• 2.3 形态学图像处理
• 2.4 小结
• 第三章 运动目标检测和提取
• 3.1 引言
• 3.2 常用的运动目标检测方法
• 3.2.1 相邻帧差法
• 3.2.2 光流法
• 3.2.3 背景帧差法
• 3.2.4 其它检测方法
• 3.3 基于背景帧差的运动检测
• 3.3.1 背景模型的建立和更新
• 3.3.2 单高斯分布背景模型
• 3.3.3 混合高斯分布背景模型
• 3.4 基于灰度的目标提取
• 3.5 基于聚类的目标提取
• 3.5.1 C-均值聚类算法
• 3.5.2 实验结果与分析
• 3.6 小结
• 第四章 运动目标识别
• 4.1 常用的人体识别方法
• 4.2 基于人体特征和BP神经网络的运动目标识别
• 4.2.1 人体的特征参数
• 4.2.2 人工神经网络
• 4.3 BP网络的结构设计
• 4.3.1 输入层、输出层的设计
• 4.3.2 隐含层节点数目的选择
• 4.3.3 激励函数的选择
• 4.4 BP网络的学习和训练
• 4.5 改进的BP算法
• 4.6 实验结果与分析
• 4.7 小结
• 第五章 武警勤务监控系统的设计和实现
• 5.1 监控系统需求分析
• 5.1.1 问题描述
• 5.1.2 系统目标及功能
• 5.2 监控系统的总体设计
• 5.2.1 系统结构设计
• 5.2.2 系统的硬件坏境
• 5.2.3 网络协议的选择
• 5.3 软件系统及原型实现
• 5.3.1 软件组成模块
• 5.3.2 开发工具简介
• 5.3.3 软件原型的实现
• 5.4 对系统监控效果的评价
• 5.5 小结
• 第六章 总结和展望
• 致谢
• 参考文献
• 作者在学期间取得的学术成果