基于內(nèi)容的智能視頻監(jiān)控關(guān)鍵技術(shù)及在公共安防中的應(yīng)用研究.pdf

1、智能視頻監(jiān)控技術(shù)能夠自動(dòng)解讀監(jiān)控視頻，發(fā)現(xiàn)不尋常的事件并進(jìn)行預(yù)警，其中針對可疑人員的行為進(jìn)行監(jiān)控是最重要的一類應(yīng)用，本文就是在這個(gè)范疇內(nèi)展開相關(guān)研究。具體說來，本文圍繞人體行為監(jiān)控，以基于學(xué)習(xí)的方法為主線，研究了視頻中的運(yùn)動(dòng)檢測、動(dòng)作識別、人臉超分辨率、表情合成及三維重建技術(shù)。 本文首先討論了采用增量式背景建模進(jìn)行運(yùn)動(dòng)檢測與提取。提出一種自適應(yīng)選取權(quán)重的機(jī)制，根據(jù)每一幀中包含的運(yùn)動(dòng)信息自動(dòng)為這一幀選取權(quán)重，并用加權(quán)的視頻幀更新背

2、景模型。本文提供了一種合理的權(quán)重表達(dá)和自適應(yīng)的權(quán)重計(jì)算方法。該方法能夠很好地適應(yīng)場景動(dòng)態(tài)變化，即使在視頻中包含復(fù)雜背景運(yùn)動(dòng)時(shí)仍能生成高質(zhì)量的背景圖像，提高了背景建模的魯棒性。 為了對監(jiān)控視頻中出現(xiàn)的人體行為進(jìn)行自動(dòng)解讀，本文研究了人體動(dòng)作的自動(dòng)識別方法，用來識別特定場合中幾種具有危害性的異常動(dòng)作。這是一種基于模板匹配的視點(diǎn)無關(guān)的人體動(dòng)作識別方法。動(dòng)作模板由子空間中的幾個(gè)超球構(gòu)成，集成了多種人體動(dòng)作在多個(gè)視點(diǎn)下的特征，動(dòng)作識別是通

3、過待識別動(dòng)作與模板中樣例動(dòng)作之間的相似度匹配實(shí)現(xiàn)的。動(dòng)作超球融合了多視點(diǎn)下的人體運(yùn)動(dòng)特征，有利于進(jìn)行視點(diǎn)無關(guān)的人體動(dòng)作識別；另外基于超球的識別方法在計(jì)算效率上要優(yōu)于傳統(tǒng)的kNN算法。 監(jiān)控視頻中人臉區(qū)域通常很小，辨識度很差，這給主觀的人臉識別造成了一定的困難，為此本文提出一種基于樣本學(xué)習(xí)的兩階段人臉超分辨率技術(shù)。在第一階段，采用局部保持幻想算法合成全局的高分辨率人臉圖像；在第二階段，為了補(bǔ)償全局高分辨率人臉圖像的局部細(xì)節(jié)特征，采

4、用基于鄰域重建的圖像殘差合成技術(shù)。本文提出的方法能夠根據(jù)低分辨率人臉圖像合成具有不同視覺效果的高分辨率人臉圖像，消除了分辨率過低對人臉識別造成的影響。 為了解決人臉表情變化給人臉識別帶來的問題，本文先后提出了基于圖像的和基于視頻的人臉表情合成方法。前者采用特征關(guān)聯(lián)學(xué)習(xí)算法根據(jù)一幅中性表情人臉圖像合成具有其它表情的人臉圖像；后者是一種結(jié)合局部線性和全局非線性子空間分析的兩層融合方法，其中局部線性子空間學(xué)習(xí)采用特征表示技術(shù)在時(shí)間域?qū)?/p>

5、視頻樣本進(jìn)行壓縮、全局非線性子空間學(xué)習(xí)在空間域內(nèi)產(chǎn)生優(yōu)化的人臉表情。合成的表情比較真實(shí)自然，有助于在表情變化時(shí)進(jìn)行人臉識別。 為減小監(jiān)控視頻中人臉姿態(tài)變化對人臉識別造成的影響，本文先后提出基于像和視頻的三維人臉重建，為人臉識別提供輔助信息?；趫D像的人臉重建采用自適應(yīng)的局部線性嵌入算法對樣本空間進(jìn)行非參數(shù)化采樣，并基于采樣結(jié)果合成特定的三維人臉模型。通過基于約束的紋理映射合成真實(shí)感人臉?；谝曨l的人臉重建首先在未標(biāo)定的單目視頻首