智能視頻監(jiān)控系統(tǒng)中目標(biāo)檢測算法的研究.pdf

1、隨著“平安中國”等項目建設(shè)的逐步深入，網(wǎng)絡(luò)視頻監(jiān)控系統(tǒng)在維護(hù)社會安全、打擊犯罪方面的作用日益突出。面對海量的實時和錄像視頻內(nèi)容，單純依靠人工觀察和分辨的傳統(tǒng)監(jiān)控方式已經(jīng)不能滿足應(yīng)用的需求，急需一種能夠?qū)σ曨l內(nèi)容中人和車輛等關(guān)鍵目標(biāo)的行為和特征進(jìn)行自動分析的算法體系，而運動目標(biāo)分割與跟蹤技術(shù)已經(jīng)比較成熟地應(yīng)用在智能視頻監(jiān)控中。從效率和工程化要求來看，目標(biāo)檢測技術(shù)相對比較復(fù)雜，目前的網(wǎng)絡(luò)視頻監(jiān)控系統(tǒng)基本上還沒有將目標(biāo)檢測技術(shù)引入到實際的智能

2、視頻監(jiān)控系統(tǒng)中。因此本文選擇目標(biāo)檢測技術(shù)作為重點研究內(nèi)容，力圖為智能化的網(wǎng)絡(luò)視頻監(jiān)控系統(tǒng)提供適應(yīng)一般性圖像質(zhì)量和場景結(jié)構(gòu)的目標(biāo)檢測算法，并結(jié)合運動目標(biāo)分割和目標(biāo)跟蹤技術(shù)為進(jìn)一步的目標(biāo)行為分析和精細(xì)特征提取的算法打下良好的基礎(chǔ)。 本文分析了HOG技術(shù)和SVM分類技術(shù)的基本原理和算法?；谔荻确较蛑狈綀D（HOG）的目標(biāo)檢測方法已經(jīng)被證明具備足夠的魯棒性和良好的檢測效果，也適合于工程化。由于HOG方法需要大量的、具備足夠代表性的樣本來

3、訓(xùn)練分類器，而同一個目標(biāo)的HOG特征在不同的攝像機(jī)視角、不同的旋轉(zhuǎn)角下并不相同，使用不同視角下的混合樣本集來訓(xùn)練分類器，目標(biāo)檢測的準(zhǔn)確率受到樣本噪聲的影響而偏低。本文提出了一種不同俯仰角、不同目標(biāo)旋轉(zhuǎn)角和不同光軸旋轉(zhuǎn)角下，樣本HOG特征的直接轉(zhuǎn)換算法，以提高HOG檢測的效果和魯棒性，提高SVM分類效果，降低分類器訓(xùn)練時需要采集的正負(fù)樣本的數(shù)量。對運動目標(biāo)分割算法GMM和目標(biāo)跟蹤技術(shù)Mean Shift進(jìn)行了分析，并根據(jù)實際情況，選擇這兩

4、種技術(shù)作為系統(tǒng)的目標(biāo)分割與跟蹤算法，從而構(gòu)建了一個包括場景信息構(gòu)造、運動目標(biāo)分割、目標(biāo)檢測和目標(biāo)跟蹤的視頻分析系統(tǒng)的算法體系結(jié)構(gòu)。為了實現(xiàn)該算法體系，本文采用模塊化設(shè)計方法，利用開源的OpenCv圖像類庫和VC++6.0自行開發(fā)了一個軟件實驗平臺，通過該實驗平臺可以實現(xiàn)視頻圖像輸入，運動前景的分割、目標(biāo)檢測與跟蹤等功能。文章選取拍攝視角基本相同，且包括1180個人鏡像后的2360張正樣本訓(xùn)練圖像，9580張沒有人的負(fù)樣本訓(xùn)練圖像；選取了