基于內(nèi)容的智能視頻監(jiān)控關鍵技術及在公共安防中的應用研究.pdf_第1頁
已閱讀1頁,還剩154頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明: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,請進行舉報或認領

文檔簡介

1、智能視頻監(jiān)控技術能夠自動解讀監(jiān)控視頻,發(fā)現(xiàn)不尋常的事件并進行預警,其中針對可疑人員的行為進行監(jiān)控是最重要的一類應用,本文就是在這個范疇內(nèi)展開相關研究。具體說來,本文圍繞人體行為監(jiān)控,以基于學習的方法為主線,研究了視頻中的運動檢測、動作識別、人臉超分辨率、表情合成及三維重建技術。 本文首先討論了采用增量式背景建模進行運動檢測與提取。提出一種自適應選取權重的機制,根據(jù)每一幀中包含的運動信息自動為這一幀選取權重,并用加權的視頻幀更新背

2、景模型。本文提供了一種合理的權重表達和自適應的權重計算方法。該方法能夠很好地適應場景動態(tài)變化,即使在視頻中包含復雜背景運動時仍能生成高質(zhì)量的背景圖像,提高了背景建模的魯棒性。 為了對監(jiān)控視頻中出現(xiàn)的人體行為進行自動解讀,本文研究了人體動作的自動識別方法,用來識別特定場合中幾種具有危害性的異常動作。這是一種基于模板匹配的視點無關的人體動作識別方法。動作模板由子空間中的幾個超球構成,集成了多種人體動作在多個視點下的特征,動作識別是通

3、過待識別動作與模板中樣例動作之間的相似度匹配實現(xiàn)的。動作超球融合了多視點下的人體運動特征,有利于進行視點無關的人體動作識別;另外基于超球的識別方法在計算效率上要優(yōu)于傳統(tǒng)的kNN算法。 監(jiān)控視頻中人臉區(qū)域通常很小,辨識度很差,這給主觀的人臉識別造成了一定的困難,為此本文提出一種基于樣本學習的兩階段人臉超分辨率技術。在第一階段,采用局部保持幻想算法合成全局的高分辨率人臉圖像;在第二階段,為了補償全局高分辨率人臉圖像的局部細節(jié)特征,采

4、用基于鄰域重建的圖像殘差合成技術。本文提出的方法能夠根據(jù)低分辨率人臉圖像合成具有不同視覺效果的高分辨率人臉圖像,消除了分辨率過低對人臉識別造成的影響。 為了解決人臉表情變化給人臉識別帶來的問題,本文先后提出了基于圖像的和基于視頻的人臉表情合成方法。前者采用特征關聯(lián)學習算法根據(jù)一幅中性表情人臉圖像合成具有其它表情的人臉圖像;后者是一種結合局部線性和全局非線性子空間分析的兩層融合方法,其中局部線性子空間學習采用特征表示技術在時間域對

5、視頻樣本進行壓縮、全局非線性子空間學習在空間域內(nèi)產(chǎn)生優(yōu)化的人臉表情。合成的表情比較真實自然,有助于在表情變化時進行人臉識別。 為減小監(jiān)控視頻中人臉姿態(tài)變化對人臉識別造成的影響,本文先后提出基于像和視頻的三維人臉重建,為人臉識別提供輔助信息?;趫D像的人臉重建采用自適應的局部線性嵌入算法對樣本空間進行非參數(shù)化采樣,并基于采樣結果合成特定的三維人臉模型。通過基于約束的紋理映射合成真實感人臉。基于視頻的人臉重建首先在未標定的單目視頻首

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,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論