視頻監(jiān)控系統(tǒng)的關(guān)鍵技術(shù)研究.pdf

1、安全問題日益引人關(guān)注,視頻監(jiān)控系統(tǒng)成為一種流行的安全保障設(shè)備。傳統(tǒng)的視頻監(jiān)控缺少智能功能,而很大程度上依靠操作人員來完成視頻的分析和監(jiān)控的目的。這樣的系統(tǒng)會給操作員很大的負擔,既不方便也不能保證監(jiān)控的可靠性。本文介紹的研究工作的目的就是利用模式識別和計算機視覺的技術(shù),來為監(jiān)控系統(tǒng)提供智能的輔助功能,使得監(jiān)控系統(tǒng)更方便使用,也更可靠。本文采用了基于跟蹤的系統(tǒng)框架,并利用背景建模的方法,配合靜止攝像機來檢測視野中的運動物體。采用的模型是混合

2、高斯模型。在檢測的基礎(chǔ)性上,利用塊匹配的方式,即通過比較當前幀檢測到的前景塊和已跟蹤到的目標的模型,來實現(xiàn)目標的跟蹤。為了得到好的效果,本文提出了創(chuàng)新的融合了外觀模板和局部特征的混合模型。將基于codebook的目標檢測方法融入到了目標跟蹤之中,憑借更多的跟蹤線索和兩種模型之間的相互協(xié)助,得到了很好的實時跟蹤效果。為了分析跟蹤得到的信息,給出視頻分析的結(jié)果,本文采用了兩種方法。一是直接定義規(guī)則來描述異常行為,并在跟蹤過程中檢測這些特定的

3、情形;另一種方法是使用統(tǒng)計方法尋找軌跡中的罕見情況,作為異常軌跡。對于第二種方法,本文研究了基于編輯距離的軌跡相似性度量和利用高斯模型進行在線聚類的方法。在實驗中這些方法的預(yù)期效果都得到了驗證。為了監(jiān)控系統(tǒng)本文還研究了如何在不同的跟蹤軌跡甚至不同的鏡頭中匹配識別同一個行人目標。本文采用了在圖像檢索和分類中常用的bag-of-features方法,并利用支持向量機來獲得較好的分類效果。同時本文提出了一種自動區(qū)分未知類別的方法,來實現(xiàn)在線運