智能視頻系統(tǒng)中若干關(guān)鍵技術(shù)的研究.pdf

1、在現(xiàn)今復(fù)雜的安全形式和迫切的市場需求共同推動(dòng)下，智能視頻技術(shù)作為一種全新的安全監(jiān)管手段，已成為近年來信息科學(xué)和安防技術(shù)領(lǐng)域中的研究和應(yīng)用熱點(diǎn)。智能視頻將傳統(tǒng)視頻監(jiān)控技術(shù)和現(xiàn)代模式識(shí)別圖形圖像處理算法結(jié)合，在無需外界干預(yù)的情況下，通過對視頻數(shù)據(jù)流的分析，自動(dòng)完成場景中目標(biāo)的檢測和跟蹤，并在此基礎(chǔ)上進(jìn)行目標(biāo)行為理解和輔助決策，實(shí)現(xiàn)人不在回路中的智能監(jiān)控，帶來了監(jiān)控技術(shù)的革命。
　　盡管智能視頻的基本流程很早就被提出，相關(guān)核心算法也已經(jīng)

2、過了較長時(shí)間的發(fā)展，但智能視頻技術(shù)在實(shí)際應(yīng)用中仍然面臨一些困難:現(xiàn)有算法易受真實(shí)環(huán)境中光照變化等各種干擾因素的影響，目標(biāo)的特殊運(yùn)動(dòng)狀態(tài)以及與背景環(huán)境區(qū)分性不佳同樣會(huì)導(dǎo)致算法性能的急劇下降。因此，能有效應(yīng)對復(fù)雜背景條件和目標(biāo)特殊運(yùn)動(dòng)狀態(tài)、準(zhǔn)確高效且穩(wěn)定性好的運(yùn)動(dòng)目標(biāo)檢測與跟蹤算法仍將是很長一段時(shí)間內(nèi)研究者們追求的目標(biāo)。本文立足于智能視頻分析技術(shù)的應(yīng)用研究，對智能視頻系統(tǒng)中的運(yùn)動(dòng)目標(biāo)檢測和目標(biāo)跟蹤等若干核心關(guān)鍵問題進(jìn)行研究，全文涉及到的主要

3、工作包括以下幾方面:
　　1.針對現(xiàn)有傳統(tǒng)GMM算法應(yīng)對低速目標(biāo)時(shí)易出現(xiàn)前景破碎的性能局限，提出了基于前景模型匹配和短時(shí)穩(wěn)定度的運(yùn)動(dòng)目標(biāo)檢測算法。算法對傳統(tǒng)GMM算法中背景模型匹配失敗時(shí)生成的前景模型加以利用并引入前景模型匹配和更新機(jī)制防止前景模型向背景模型轉(zhuǎn)換導(dǎo)致的慢速目標(biāo)漏檢，同時(shí)提出短時(shí)穩(wěn)定度指標(biāo)衡量一段時(shí)間內(nèi)的像素值波動(dòng)以應(yīng)對低區(qū)分性目標(biāo)。實(shí)驗(yàn)結(jié)果表明短時(shí)穩(wěn)定度和前景模型結(jié)合增強(qiáng)了算法對低速低區(qū)分性目標(biāo)的適應(yīng)性。
　

4、　2.提出了一種基于前景模型匹配和短時(shí)穩(wěn)定度的遺留物檢測算法。遺留物是慢速目標(biāo)的極限情況，算法中使用前景模型表征遺留物，并以最高的優(yōu)先級(jí)保證其先于背景模型和后來像素值進(jìn)行匹配，降低了背景模型與遺留物誤匹配的錯(cuò)誤風(fēng)險(xiǎn)，防止遺留物被背景吸收。多場景下的遺留物檢測實(shí)驗(yàn)結(jié)果驗(yàn)證了算法的可行性。
　　3.在多維統(tǒng)計(jì)信號(hào)分析理論框架下提出了基于十六通道獨(dú)立分量分析算法并綜合四種不同觀測信號(hào)生成方式的運(yùn)動(dòng)目標(biāo)檢測算法。獨(dú)立分量分析和主分量分析算

5、法是現(xiàn)今較有代表性的多維統(tǒng)計(jì)信號(hào)分析方法，現(xiàn)有基于獨(dú)立分量分析和主分量分析的運(yùn)動(dòng)目標(biāo)檢測算法大多使用單一觀測信號(hào)生成方式和雙通道信號(hào)進(jìn)行檢測，無法為前景分離提供更多有效信息，常導(dǎo)致目標(biāo)檢測不完整。大量的對比實(shí)驗(yàn)驗(yàn)證了不同通道數(shù)和觀測信號(hào)生成方式下ICA算法的檢測性能差異，證明了使用大通道數(shù)和多種觀測信號(hào)生成方式帶來的檢測性能提升，同時(shí)也驗(yàn)證了多維統(tǒng)計(jì)方法和其他多種運(yùn)動(dòng)目標(biāo)檢測方法在算法特性上存在的差異。
　　4.針對現(xiàn)有基于Mea

6、nshift的目標(biāo)跟蹤算法使用固定量化階數(shù)生成核直方圖的問題，提出了使用直方圖動(dòng)態(tài)量化級(jí)的Meanshift目標(biāo)跟蹤算法。算法在大景深場景中根據(jù)目標(biāo)尺寸的變化動(dòng)態(tài)改變直方圖階數(shù)，并使用動(dòng)態(tài)時(shí)間規(guī)整算法進(jìn)行不同維度特征的匹配。對比實(shí)驗(yàn)結(jié)果表明改進(jìn)算法能在大景深場景中自動(dòng)調(diào)節(jié)量化級(jí)階數(shù)，并以此達(dá)到更低的平均幀處理耗時(shí)。
　　5.作為對前述理論的綜合和工程化運(yùn)用，在上述智能視頻核心算法的基礎(chǔ)上設(shè)計(jì)實(shí)現(xiàn)了一套智能視頻系統(tǒng)。按照智能視頻的一