基于動作特征的視頻監(jiān)控網(wǎng)絡(luò)行人識別算法.pdf

1、近年來，隨著視頻監(jiān)控技術(shù)的發(fā)展，有越來越多的攝像頭被部署在安防領(lǐng)域，隨之也產(chǎn)生了大量的監(jiān)控視頻?，F(xiàn)有的視頻監(jiān)控系統(tǒng)只能記錄視頻，或提供有限的智能監(jiān)控能力，如人流監(jiān)測、越界報警、違法行為抓拍等。在案件發(fā)生后對特定目標(biāo)的識別和追蹤，則主要依靠大量的警力人工篩選。在視頻監(jiān)控系統(tǒng)中對特定目標(biāo)進行追蹤是很有意義的一項工作。
　　由于視頻監(jiān)控系統(tǒng)的特殊性，網(wǎng)絡(luò)化視頻監(jiān)控系統(tǒng)中追蹤問題的實質(zhì)是目標(biāo)重識別問題。現(xiàn)有的目標(biāo)重識別算法多是提取靜態(tài)圖像

2、特征，這些特征往往不夠穩(wěn)定，且容易進行偽裝。考慮到行人目標(biāo)的動作如步態(tài)往往含有豐富的信息，本文提出用基于動作的特征來對行人進行識別。
　　本文的主要工作和貢獻歸納如下:
　　(1)結(jié)合視頻監(jiān)控系統(tǒng)的結(jié)構(gòu)和任務(wù)背景建立行人重識別的算法框架，在此基礎(chǔ)上進行算法研究。針對監(jiān)控視頻的特點，用改進的混合高斯背景模型對視頻監(jiān)控攝像機的背景進行建模，并提取前景目標(biāo)。對前景目標(biāo)進行濾波和形態(tài)學(xué)處理得到完好的前景區(qū)域，使其滿足后續(xù)特征提取算法

3、的要求，并在此基礎(chǔ)上進行步態(tài)周期的判定。
　　(2)提出一種基于步態(tài)光流能量圖的步態(tài)特征提取算法。首先，用基于區(qū)域分割和參數(shù)運動模型的光流算法計算每時刻人體區(qū)域的密集光流信息。之后綜合一個步態(tài)周期內(nèi)各時刻的光流圖生成步態(tài)光流能量圖作為原始步態(tài)特征。然后用主成分分析和線性判別分析的特征降維方法對原始步態(tài)特征進行降維得到具有良好可分性的步態(tài)特征。針對步態(tài)特征在不同視角間的識別率存在下降明顯的情況，用基于截斷奇異值分解的方法對不同視角下

4、的特征進行特征變換，從而提高不同視角下步態(tài)特征的識別率。在公開測試集上的實驗結(jié)果說明，該套方法能夠取得良好的識別效率。
　　(3)提出一種基于關(guān)節(jié)點信息的步態(tài)特征提取算法。首先提出一種基于人體比例先驗知識的二維圖像人體關(guān)節(jié)點提取算法。然后基于關(guān)節(jié)點信息隨時間變化的模式提取步態(tài)特征。由于關(guān)節(jié)點所反映的步態(tài)特征是隨時間變化的，且對行人步態(tài)周期采樣的不恒定會引起步態(tài)特征在時間維度上的對齊問題。針對這個問題，本文用基于動態(tài)時間規(guī)整的方法對