版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、基于視頻的各種監(jiān)控系統(tǒng)目前越來越多地被應(yīng)用于智能交通、安全監(jiān)控等領(lǐng)域,對(duì)視頻監(jiān)控系統(tǒng)的智能化研究方興未艾。本文對(duì)實(shí)現(xiàn)視頻監(jiān)控系統(tǒng)智能化的若干核心技術(shù),重點(diǎn)包括基于視覺的目標(biāo)分類、跟蹤算法以及目標(biāo)行為分析算法和視覺注意機(jī)制等進(jìn)行了研究探索,并在對(duì)上述核心技術(shù)的研究、創(chuàng)新及實(shí)踐的基礎(chǔ)上,設(shè)計(jì)了一種具有一定通用性的,基于多監(jiān)控區(qū)域的智能視頻監(jiān)控系統(tǒng)。
基于視頻目標(biāo)跟蹤處理流程順序,論文首先對(duì)視頻圖像的處理技術(shù),包括圖像的特征提取、目
2、標(biāo)分類等進(jìn)行了研究。對(duì)于視頻目標(biāo)的特征提取技術(shù),提出了基于彩色信息的ICM圖像簽名,以及基于輪廓旋轉(zhuǎn)截取曲線(SRIC)的圖像目標(biāo)特征,進(jìn)而實(shí)現(xiàn)了更具區(qū)分性的基于ICM結(jié)合SRIC的圖像簽名,達(dá)到了優(yōu)勢(shì)互補(bǔ)。對(duì)于視頻目標(biāo)的分類技術(shù),提出了一種基于SVM的非預(yù)知類別多類分類算法,借鑒了顏色表示體系中的知識(shí)。實(shí)驗(yàn)結(jié)果及分析驗(yàn)證了提出方法的有效性。
為了對(duì)視頻圖像中的多個(gè)目標(biāo)進(jìn)行實(shí)時(shí)分割及跟蹤,在介紹了tMHI方法及其不足之后,提出
3、了適合戶外復(fù)雜環(huán)境的isMHI方法,以及基于isMHI的多運(yùn)動(dòng)目標(biāo)跟蹤算法。該算法利用isMHI的灰度階梯輪廓,對(duì)存在的子運(yùn)動(dòng)區(qū)域進(jìn)行包圍劃分并予以標(biāo)記,實(shí)現(xiàn)視頻圖像中運(yùn)動(dòng)目標(biāo)的實(shí)時(shí)分割,進(jìn)而將每幀isMHI圖像中各個(gè)運(yùn)動(dòng)區(qū)域同場(chǎng)景中運(yùn)動(dòng)目標(biāo)連續(xù)關(guān)聯(lián)起來,實(shí)現(xiàn)對(duì)多運(yùn)動(dòng)目標(biāo)的軌跡跟蹤。為能同時(shí)跟蹤進(jìn)入視頻場(chǎng)景后靜止下來的目標(biāo),進(jìn)一步提出了isMHI結(jié)合CamShift的多目標(biāo)跟蹤算法,當(dāng)目標(biāo)處于運(yùn)動(dòng)狀態(tài)時(shí),基于isMHI對(duì)其進(jìn)行跟蹤,而當(dāng)
4、某些目標(biāo)轉(zhuǎn)為靜止?fàn)顟B(tài)時(shí),則基于CamShift對(duì)其進(jìn)行監(jiān)視鎖定,從而實(shí)現(xiàn)對(duì)進(jìn)入視頻場(chǎng)景中運(yùn)動(dòng)或靜止目標(biāo)的持續(xù)跟蹤,以及目標(biāo)全局行動(dòng)軌跡的獲取。實(shí)驗(yàn)表明,上述方法可以有效地分割并跟蹤視頻中的多個(gè)目標(biāo),魯棒性好,檢出率較高,并且處理速度較快,達(dá)到了實(shí)時(shí)性的要求。
在利用運(yùn)動(dòng)跟蹤結(jié)果實(shí)現(xiàn)進(jìn)一步智能處理的研究中,提出一種基于HMM、對(duì)目標(biāo)運(yùn)動(dòng)行為進(jìn)行統(tǒng)計(jì)分析及識(shí)別的方法。以道路交通視頻目標(biāo)為例,將被跟蹤視頻目標(biāo)的軌跡序列作為輸入,并針
5、對(duì)實(shí)際應(yīng)用目標(biāo)確定HMM的概率分布模型,分別求解HMM的估值問題、解碼問題以及學(xué)習(xí)問題,可實(shí)現(xiàn)目標(biāo)的行為識(shí)別、行為概率統(tǒng)計(jì)等任務(wù)。最后,為進(jìn)一步提高視覺系統(tǒng)的智能化水平,引入視覺注意機(jī)制,提出了基于行為概率的目標(biāo)注意模型,該模型屬于任務(wù)驅(qū)動(dòng)的高級(jí)注意模式,通過判別視頻目標(biāo)出現(xiàn)特定行為的可能性概率,生成當(dāng)前的目標(biāo)顯著圖,以對(duì)顯著度大的目標(biāo)采取相應(yīng)處理措施。實(shí)驗(yàn)結(jié)果驗(yàn)證了使用該方法解決上述問題的有效性。
作為所提出諸多算法的實(shí)踐應(yīng)
6、用,論文最后設(shè)計(jì)了一個(gè)基于多監(jiān)控區(qū)域,對(duì)多視頻場(chǎng)景內(nèi)容進(jìn)行智能監(jiān)控分析的通用系統(tǒng)方案。首先提出并實(shí)現(xiàn)了一個(gè)視頻數(shù)碼結(jié)合抓拍子系統(tǒng),該子系統(tǒng)基于普遍的設(shè)備條件,將工業(yè)攝像機(jī)的實(shí)時(shí)性和數(shù)碼相機(jī)的高成像性能相結(jié)合,通過網(wǎng)絡(luò)及嵌入式計(jì)算機(jī)控制系統(tǒng),實(shí)現(xiàn)對(duì)目標(biāo)的高清晰度抓拍,從而使獲取目標(biāo)更精確的特征數(shù)據(jù)成為可能。另外,還對(duì)系統(tǒng)的目標(biāo)連續(xù)跟蹤、目標(biāo)行為分析、目標(biāo)特征提取、目標(biāo)分類識(shí)別、視覺注意機(jī)制等主要功能模塊進(jìn)行了介紹,這些模塊分別基于論文中提
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 智能視頻監(jiān)控系統(tǒng)中目標(biāo)檢測(cè)分類及跟蹤研究.pdf
- 視頻流中運(yùn)動(dòng)目標(biāo)檢測(cè)與行為分析研究.pdf
- 基于視頻的多目標(biāo)檢測(cè)及行為跟蹤.pdf
- 視頻監(jiān)控中運(yùn)動(dòng)人體跟蹤與行為分析研究.pdf
- 智能視頻監(jiān)控系統(tǒng)目標(biāo)跟蹤與分類算法研究.pdf
- 視頻中人體行為分析研究.pdf
- 視頻目標(biāo)跟蹤研究.pdf
- 基于視頻的目標(biāo)檢測(cè)、跟蹤及其行為識(shí)別研究.pdf
- 視頻目標(biāo)跟蹤算法研究及應(yīng)用.pdf
- 視頻目標(biāo)跟蹤方法研究.pdf
- 視頻目標(biāo)跟蹤算法研究.pdf
- 基于視頻運(yùn)動(dòng)目標(biāo)跟蹤與分類算法的研究與實(shí)現(xiàn).pdf
- 視頻場(chǎng)景中的群體目標(biāo)分析研究.pdf
- 視頻運(yùn)動(dòng)目標(biāo)跟蹤方法研究.pdf
- 多視頻目標(biāo)跟蹤算法研究.pdf
- 視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)的檢測(cè)、分類識(shí)別與跟蹤.pdf
- 運(yùn)動(dòng)目標(biāo)檢測(cè)及其行為分析研究.pdf
- 基于視頻的車輛檢測(cè)與跟蹤及行為分析方法研究.pdf
- 實(shí)時(shí)目標(biāo)跟蹤的分析研究與系統(tǒng)實(shí)現(xiàn).pdf
- 視頻分析中的鏡頭分割和目標(biāo)跟蹤研究.pdf
評(píng)論
0/150
提交評(píng)論