ATM機取款人手部運動分析及應(yīng)用研究.pdf

1、隨著視頻監(jiān)控系統(tǒng)規(guī)模的不斷擴大，單純地使用人力實現(xiàn)所有監(jiān)控點的在線監(jiān)視對于很多監(jiān)控系統(tǒng)來說已經(jīng)不可能實現(xiàn)。因此具有全自動或者半自動監(jiān)視功能的智能視頻監(jiān)控系統(tǒng)是視頻監(jiān)控系統(tǒng)未來發(fā)展的趨勢。
　　 論文圍繞著智能監(jiān)控系統(tǒng)中的人手檢測、跟蹤，及其在具體的自動柜員機(Automatic Teller Machine，ATM)機所發(fā)生的異常事件的應(yīng)用而展開。
　　 論文分析了當(dāng)前幾種典型的運動目標檢測算法，針對當(dāng)前視頻監(jiān)控系統(tǒng)的需

2、要，在人手檢測方面，應(yīng)用背景減法實現(xiàn)對人手實時和準確的檢測并得到視頻證據(jù)。
　　 論文對典型的運動目標跟蹤算法進行分析與比較，重點研究了基于粒子濾波和Camshift算法的人手跟蹤。并針對Camshift算法的缺點進行了優(yōu)化和改進。主要改進了融合目標的顏色和運動信息，并將這種改進的Camshift算法嵌入到粒子濾波中，用來重新分配粒子濾波樣本，使之向目標狀態(tài)后驗密度函數(shù)值增大的方向移動，由此得到的樣本集將收斂到靠近目標真實狀態(tài)的

3、區(qū)域內(nèi)，最后用這些漂移的粒子來計算估計目標狀態(tài)，得到有效和快速的結(jié)果。通過實驗檢測得出改進的Camshift與粒子濾波的融合算法無論是跟蹤視頻流暢度，單幀用時，跟蹤準確率，都比單獨使用粒子濾波和Camshift算法要優(yōu)化許多。
　　 最后，設(shè)計開發(fā)了面向ATM機視頻的人手檢測和跟蹤原型系統(tǒng)，實現(xiàn)了針對ATM機上的異常事件取證等功能，應(yīng)用該系統(tǒng)對相關(guān)城市實際案例視頻進行分析處理，結(jié)果表明能夠快速、有效地檢測出異常事件，并生成視頻證