智能視頻監(jiān)控系統(tǒng)中的行人運動分析研究.pdf

1、智能視頻監(jiān)控是計算機視覺領域的一個前沿研究方向，它綜合利用圖像處理、模式識別、人工智能等技術(shù)對監(jiān)控系統(tǒng)采集到的視頻圖像序列進行處理和分析，智能化地理解視頻內(nèi)容并做出處理，被廣泛應用于交通管理、安全監(jiān)控、醫(yī)療診斷及人機交互相關(guān)的多種客戶服務之中。近十年來，由于國際安全形勢出現(xiàn)了新的局面，利用智能視頻監(jiān)控系統(tǒng)，從視頻圖像序列中檢測、跟蹤行人并分析人和人群行為的工作正成為學術(shù)研究中的熱點。
　　 視頻監(jiān)控的場景經(jīng)常是復雜多樣且動態(tài)變化

2、的，人在運動時會發(fā)生多種姿態(tài)和狀態(tài)上的改變，在運動過程中還會有攝像機的運動和人體尺寸隨著距離遠近的縮放，這些都給運動目標分割、行人識別和跟蹤帶了很多挑戰(zhàn)。因此研究適用于復雜動態(tài)場景的運動目標分割算法，快速準確分類行人目標的方法，準確跟蹤行人的技術(shù)以及檢測人群異常事件的辦法，具有深刻的理論意義和廣泛的實用價值。
　　 本文在深入理解計算機視覺相關(guān)原理和當前研究成果的基礎上，分析提煉了行人運動分析的流程，提出了運動目標分割、行人分類

3、識別、行人目標跟蹤和人群異常事件檢測的幾種算法，主要的創(chuàng)新點包括：
　　 1)針對傳統(tǒng)的目標分割方法所建立的單層背景模型難以全面適應監(jiān)控視頻圖像中的多種動態(tài)背景變化的問題，提出了一種雙層背景建模的運動目標分割算法。分別建立了像素亮度的碼本模型，區(qū)域紋理的中心對稱局部二值模式直方圖模型，維護雙層模型并進行運動目標的分割。該算法能較好處理背景干擾、光照變化和訓練圖片中背景與前景混亂干擾的復雜情況，而且處理速度能夠達到實時性的要求。<

4、br>　　 2)提出了一種改進的梯度方向直方圖(Histogram of Oriented Gradients，HOG)行人分類算法。采用先進行運動分割，再對分割出的運動區(qū)域進行分類的行人檢測策略，大幅度縮減了傳統(tǒng)人體檢測算法進行滑動窗口搜索帶來的龐大計算量；使用基于積分圖計算的特征提取算法，加速了HOG算法的處理速度。本算法可成功應用于復雜背景的行人分類識別，在保持原HOG算法檢測準確率的前提下，提高了檢測的速度。
　　 3

5、)提出了一種融合HOG檢測的粒子濾波行人跟蹤方法。通過顏色直方圖建立動態(tài)觀測模型，在粒子濾波框架下利用HOG行人檢測實現(xiàn)采樣修正。這種算法在動態(tài)背景下實現(xiàn)了對行人目標的跟蹤，且跟蹤誤差小于傳統(tǒng)粒子濾波算法；對于傳統(tǒng)跟蹤方法不能順利處理的攝像機運動且目標尺寸隨距離遠近發(fā)生變化的情況也能進行跟蹤。
　　 4)提出了一種基于群特征高斯混合建模的人群異常事件檢測方法。提取人群圖像特征點，建立人群特征混合高斯模型并自適應更新，通過當前特征