監(jiān)控視頻中的行人檢測(cè)技術(shù)及其應(yīng)用.pdf

1、傳統(tǒng)的視頻監(jiān)控系統(tǒng)僅具備視頻的采集和存儲(chǔ)功能，過(guò)分依賴攝像頭硬件，而浪費(fèi)了大量的前端計(jì)算資源，并且非結(jié)構(gòu)化視頻數(shù)據(jù)的監(jiān)視工作也需要大量人工成本。行人作為事故發(fā)生的最主要誘因，是監(jiān)控視頻數(shù)據(jù)中最重要的組成部分之一，視頻中的行人檢測(cè)技術(shù)對(duì)監(jiān)控系統(tǒng)的智能化具有重要意義。本文提出了一種監(jiān)控視頻中的快速行人檢測(cè)方法，主要從行人檢測(cè)基本方法、檢測(cè)分類器的離線訓(xùn)練以及視頻中基于運(yùn)動(dòng)先驗(yàn)信息的行人檢測(cè)三個(gè)方面進(jìn)行研究，并基于該方法提出其在智能監(jiān)控系統(tǒng)的

2、一種應(yīng)用，即監(jiān)控視頻中行人信息的結(jié)構(gòu)化存儲(chǔ)與檢索。本文的主要研究?jī)?nèi)容包括以下幾個(gè)方面：
　　(1)綜合分析了目前主流的幾種行人檢測(cè)方法，最終選取基于積分通道特征和級(jí)聯(lián)AdaBoost分類器的方法作為視頻中行人檢測(cè)的算法基礎(chǔ)，并通過(guò)大量實(shí)驗(yàn)進(jìn)行分析，評(píng)估了該方法的檢測(cè)性能和可行性，確定了該方法的適用環(huán)境；
　　(2)針對(duì)AdaBoost分類器的特性和負(fù)樣本訓(xùn)練集的多樣性，提出了一種基于權(quán)重退化控制負(fù)樣本采樣的訓(xùn)練方法，加速了行

3、人檢測(cè)分類器的離線訓(xùn)練過(guò)程，并提升了分類器離線訓(xùn)練的精度，為視頻中的行人檢測(cè)打下了堅(jiān)實(shí)的基礎(chǔ)；
　　(3)對(duì)傳統(tǒng)ViBe方法進(jìn)行了改進(jìn)，并基于該方法進(jìn)行運(yùn)動(dòng)檢測(cè)。根據(jù)視頻中的運(yùn)動(dòng)先驗(yàn)信息，限定積分通道特征的提取，并對(duì)視頻幀圖像分塊進(jìn)行行人檢測(cè)，有效減小了復(fù)雜背景信息的干擾，提升行人目標(biāo)提取速度的同時(shí)，也增強(qiáng)了檢測(cè)的精度；
　　(4)提出了行人檢測(cè)技術(shù)在智能監(jiān)控系統(tǒng)中的應(yīng)用，設(shè)計(jì)了監(jiān)控視頻中行人檢測(cè)、結(jié)構(gòu)化存儲(chǔ)與行人檢索的整體