分布式智能視覺監(jiān)控系統(tǒng)關鍵技術的研究.pdf

1、隨著網絡及傳感器技術的發(fā)展，視覺監(jiān)控系統(tǒng)正向自動化、智能化與普適化方向的發(fā)展?，F(xiàn)存的視覺監(jiān)控系統(tǒng)大多仍然只具有采集、存儲視頻數(shù)據(jù)的功能，對于實時事件檢測任務則交給在監(jiān)視器前面的監(jiān)控人員來完成。智能視覺監(jiān)控系統(tǒng)不應只是具有事故的調查功能，而且還應該具有阻止?jié)撛跒碾y事故發(fā)生的功能。分布式智能視覺監(jiān)控存在著許多與目前的視覺監(jiān)控系統(tǒng)不同的新問題和挑戰(zhàn)。其中包括系統(tǒng)軟件平臺、事件挖掘與分析等。本文就分布式智能視覺監(jiān)控中的某一些關鍵技術進行了討論。

2、主要研究工作及創(chuàng)新性體現(xiàn)在以下幾個方面： 1) 基于服務質量的分布式Multi-Agent模型的軟件平臺 針對目前的視覺監(jiān)控系統(tǒng)中軟件平臺簡單，功能單一，尚存在較多不完善的問題。本文設計了一種基于服務質量QoS的分布式Multi-Agent模型的視覺監(jiān)控系統(tǒng)軟件平臺。該平臺中各個Agent都是自主的進程，能夠可有序一致的互相協(xié)調通信。采用引用不耦合、時間上耦合的基于消息組的發(fā)布/訂閱模型，以利于實現(xiàn)對Agent問的動態(tài)性

3、的適應和自發(fā)交互。根據(jù)分布式智能視覺監(jiān)控系統(tǒng)所傳輸?shù)臄?shù)據(jù)類型與特點，提出了一種基于服務質量的數(shù)據(jù)傳輸機制。實驗測試表明，該傳輸機制具有較小的數(shù)據(jù)傳輸時延。 2) 面向室內監(jiān)控場景中前景目標穩(wěn)定檢測與跟蹤 針對室內監(jiān)控場景中前景目標的持續(xù)檢測以及鬼影的去除問題。本文提出了一種面向室內監(jiān)控場景中前景目標穩(wěn)定檢測方法。該方法采用基于顏色和梯度信息融合、雙重背景模型及其更新機制實現(xiàn)對動態(tài)的前景目標持續(xù)穩(wěn)定地檢測，消除了前景檢測中

4、出現(xiàn)的鬼影影響，較好地解決了室內監(jiān)控場景中目標經常處于“停停走走”，目標比較大且目標各部分運動狀態(tài)不一致等情況下的目標檢測問題。采用基于粒子濾波的概率跟蹤框架。選擇基于Particle Filter粒子濾波跟蹤方法對監(jiān)控場景中目標進行跟蹤，實現(xiàn)了多目標穩(wěn)定地跟蹤。實驗結果表明：不管人是靜止還是運動的，都可以同時對多人整體、人頭以及手進行穩(wěn)定地檢測與跟蹤。 3) 基于概率支持向量機方法的人臉識別方法 針對傳統(tǒng)支持向量機方法

5、不提供后驗概率的輸出，建議了“1對1”多類支持向量機的概率建模方法，提高了支持向量機的分類性能。結合了SVM分類器與概率建模的優(yōu)點，提出了一種基于概率支持向量機方法的人臉識別方法。針對智能會議場景對人臉識別的特殊情況，通過依據(jù)檢測、跟蹤得到頭部區(qū)域與人臉區(qū)域的長度或面積比，選擇正面的人臉進行識別，從而降低了人臉姿態(tài)對人臉識別的影響。實驗結果表明：該方法不僅使人臉識別的精度得到了提高，還提供了其屬于所在類中的可信程度。 4) 基于

6、多層事件融合的場景事件實時分析 文中給出了一種基于事件的語義描述定義，描述了事件的三種特性：(1)事件是描述時空過程的語義對象；(2) 事件定義取決于場景；(3) 事件具有層次性的結構。為解決智能監(jiān)控場景中場景事件實時分析問題，提出了一種基于多層事件融合的場景事件分析模型以及對應的RBPF實時推理方法。利用事件具有層次結構特性以及各層事件之間的關系，將場景事件分解為不同層次的子事件，利用多層子事件融合進行場景事件分析，并以多層動