監(jiān)控視頻智能分析技術及其在建筑節(jié)能應用的研究.pdf

1、隨著智能科學技術的發(fā)展，監(jiān)控視頻的智能分析技術逐漸融入到人們的生活中，并逐步進入人們的各項生產(chǎn)中，成為研究領域的研究熱點。傳統(tǒng)監(jiān)控視頻不能及時從大量的監(jiān)控視頻資源中準確地提取所需信息，監(jiān)控視頻智能分析技術因其高效、準確的特點受到人們的青睞，應用領域越來越廣。其中，監(jiān)控視頻智能分析技術應用于建筑節(jié)能方面是其應用領域之一，具有重要的研究價值，并為現(xiàn)代建筑節(jié)能提供新的思路。
　　本文對大型公共建筑監(jiān)控系統(tǒng)中的智能監(jiān)控分析技術做了研究，并

2、提出了一些新的算法，利用智能監(jiān)控視頻分析技術來實現(xiàn)人員的檢測、追蹤、與室內(nèi)人數(shù)估計，建立人員模型，并歸納出建筑物內(nèi)的實驗室和辦公室的的人員分布規(guī)律，提出關于空調(diào)系統(tǒng)和照明系統(tǒng)相應的建筑節(jié)能策略，實現(xiàn)建筑節(jié)能的高效化與智能化，并用eQuest做了節(jié)能模擬實驗。本文的主要研究工作如下：
　　1.針對建筑物內(nèi)光線暗，對比度和分辨率低的樓道環(huán)境，本文提出了基于直方圖均衡化與Retinex的圖像增強算法。視頻圖像經(jīng)過圖像增強處理后，提高了相

3、應后續(xù)處理算法的準確性。
　　2.經(jīng)過傳統(tǒng)的運動目標檢測算法處理而得到的前景目標是不完整的、不精確的，對于這個問題本課題提出一種基于顏色和紋理特征的運動目標檢測算法，用視頻第一幀建立顏色背景模型和基于XCS-LBP的紋理背景模型，在前景檢測時用顏色模型進行前景初次判斷，初判斷為背景再通過紋理模型進行前景的二次判斷，提高前景檢測的準確度，最終得到的前景進行前景更正處理使獲得的前景更加完整。
　　3.針對復雜場景下的運動目標跟蹤

4、，本文提出了基于SURF(Speeded Up Robust Features)特征匹配算法和Kalman的運動目標跟蹤算法。首先，卡爾曼濾波算法用于估計當前幀的運動目標位置，并提取特征點，通過區(qū)域與模板間的特征點進行特征匹配，把匹配成功的特征點，選取特征的重心作為當前目標位置，返回給卡爾曼預測器，實現(xiàn)運動目標的跟蹤，能夠滿足監(jiān)控系統(tǒng)對跟蹤算法實時性和魯棒性的要求。
　　4.為了獲得區(qū)域內(nèi)的室內(nèi)人數(shù)，本文提出了基于雙絆線的室內(nèi)人數(shù)

5、估計策略。根據(jù)估計的區(qū)域人員數(shù)據(jù)，對相應區(qū)域的人員分布模型進行統(tǒng)計與歸納得出相應區(qū)域的人員分布和變化規(guī)律。
　　5.根據(jù)前期監(jiān)控視頻智能分析技術的研究，利用其對公共建筑內(nèi)人員的檢測、跟蹤、室內(nèi)人數(shù)的估計、人員分布模型的建立，提出相應的節(jié)能策略，最后用eQuest軟件模擬了能源消耗量，顯示了節(jié)能策略的高效性，實驗結果表明根據(jù)監(jiān)控視頻智能分析技術應用在建筑節(jié)能中，全年電能消耗減少11.7％，空調(diào)系統(tǒng)的電能消耗減少14.2%，全年照明系