论文部分内容阅读
随着平安城市的大力推广以及智能监控系统的普及,以视频为主的多媒体信息需求日益增加。面对日益增长的监控视频,实现对其智能化的分析变得越来越重要。因此研究实现视频智能行为分析具有重要的理论意义和实际应用价值。本文以监控场景为研究对象,着重研究了视频智能行为分析的关键技术,包括背景建模技术、运动目标检测和跟踪技术,在上述关键技术基础之上对视频智能行为分析在实际中的应用进行了研究,实现了对监控视频进行行人检测和遗留物检测。最后实现了一个视频智能行为分析平台系统。本文工作主要体现在以下四个方面:1.实现了基于混合高斯模型和Codebook模型的背景建模。混合高斯模型基于EM原理,通过建立多个高斯模型,对输入像素点进行匹配比较来判断是否为背景点;Codebook模型对每个像素点建立一个码字,码字通过不断的学习来实时建立背景模型。实验证明两者都能够在复杂的环境中建立良好的背景模型,但是Codebook模型相比混合高斯模型计算速度更快、内存占用更小。2.实现了Kalman和Blob相结合的目标跟踪技术。该方法利用Kalman滤波器预测目标在下一帧中的位置,在该预测区域附近进行Blob匹配,避免了全局搜索,减少计算量。实验证明,该方法有较高的目标跟踪准确率。3.实现了基于HOG特征和SVM相结合的方法来对行人进行检测。通过提取的HOG特征向量集进行训练得到分类器,再用Blob标记视频序列的前景目标,只对Blob区域进行行人检测从而避免对整帧进行HOG特征提取,降低了计算量。实验证明,该方法能够适用于多种场景来对行人进行检测,并且有较高的准确性。4.实现了基于双背景模型的遗留物检测。通过建立视频序列的快背景和慢背景模型,利用遗留物在快背景中为背景,慢背景中为前景的特性作为遗留物判断依据。实验证明,该方法能够在室内场景中对遗留物进行检测,并且有较好的实时性和准确性。