智能視頻監(jiān)控的目標(biāo)檢測優(yōu)化與跟蹤分析.pdf

1、隨著人工智能和機(jī)器學(xué)習(xí)等相關(guān)領(lǐng)域地發(fā)展，智能監(jiān)控系統(tǒng)的技術(shù)越發(fā)成熟且應(yīng)用領(lǐng)域越來越廣泛，涉及到航空航天遙感、生物醫(yī)學(xué)、工業(yè)自動(dòng)化生產(chǎn)、智能機(jī)器人、軍事公安目標(biāo)偵查、多媒體電視制作甚至是化藝術(shù)等領(lǐng)域。尤其是隨著視頻監(jiān)控需求的不斷擴(kuò)大，僅僅使用人力對(duì)成千上萬的監(jiān)控?cái)z像頭進(jìn)行在線監(jiān)視、對(duì)海量監(jiān)控視頻進(jìn)行分析已經(jīng)不能滿足需求。能夠在不需要人為干預(yù)的情況自動(dòng)分析攝像機(jī)采集到的圖像的智能視頻監(jiān)控已經(jīng)成為人們研究的熱點(diǎn)。本文研究的應(yīng)用環(huán)境是單網(wǎng)絡(luò)攝像

2、頭而且鏡頭固定的情況，對(duì)智能視頻監(jiān)控系統(tǒng)的相關(guān)的關(guān)鍵技術(shù)進(jìn)行了探討與研究。
　　運(yùn)動(dòng)目標(biāo)檢測是智能視頻監(jiān)控系統(tǒng)實(shí)現(xiàn)的第一步，檢測結(jié)果直接影響運(yùn)動(dòng)目標(biāo)的分類和行為分析等以此為基礎(chǔ)的處理效果。本文采用了基于混合高斯模型的背景減除法進(jìn)行目標(biāo)檢測，針對(duì)其計(jì)算量大、處理速度不能滿足實(shí)時(shí)監(jiān)控的不足，提出了基于分塊思想的改進(jìn)方法，通過實(shí)驗(yàn)驗(yàn)證了本改進(jìn)算法在保證檢測質(zhì)量的前提下，提高了運(yùn)算速度，滿足了實(shí)時(shí)處理的要求。
　　目標(biāo)分類也是智能視

3、頻監(jiān)控領(lǐng)域一個(gè)熱門的研究課題，本文針對(duì)小區(qū)非機(jī)動(dòng)車停車場中最常出現(xiàn)的運(yùn)動(dòng)目標(biāo)分成了三類:人、自行車和人群。本文提取的特征有HU不變矩、寬高比、占空比、緊密度、偏心率等。本文對(duì)常用的分類方法進(jìn)行了分析比較，在考慮監(jiān)控實(shí)時(shí)性的前提下，采用運(yùn)算速度較快且精度較高的ELM算法。
　　運(yùn)動(dòng)目標(biāo)跟蹤是實(shí)現(xiàn)“智能”的重要一步。本文研究的應(yīng)用環(huán)境是攝像機(jī)固定的監(jiān)控場景，選擇了基于Kalman濾波器的跟蹤算法，該算法快速高效的，可以根據(jù)已有的運(yùn)動(dòng)目