论文部分内容阅读
智能视频监控技术是计算机视觉研究领域中的热点问题。通过在传统的视频监控中加入智能处理模块,融合计算机视觉、图像处理、人工智能、模式识别等多个领域的技术对采集到的视频图像序列进行描述、理解和分析,并对这一系列操作得到的结果做出相应处理,从而使视频监控系统具备较高的智能化水平。目前已被应用于连锁超市、商场、银行、医院、交通路口等众多的领域,具有重要的研究意义和应用价值。 本文结合理论研究和项目实践,深入研究与探讨了智能视频监控中的若干关键技术并运用于实际项目之中。 理论研究方面,本文首先对监控视频中运动目标检测与跟踪的相关算法进行介绍,其次研究多帧图像平均法与连续帧差法相结合的改进算法对背景图像进行提取。另外由于背景需要随着实际应用环境变化而更新,本文探讨了一种改进的背景更新法—背景分块更新算法。实验表明,背景分块更新算法在实际应用中获得的背景与实际背景基本相同。 本文利用人工神经网络和模式识别的原理和方法,研究了改进的BP神经网络算法在监控视频中行人识别与判断的应用,通过提取行人的特征参数等作为样本数据,构建神经网络,进行网络训练与学习。实验表明,该方法能有效提高人体识别率。基于此算法,本文还探讨了一种新的神经网络控制模型算法—AB网络模型,通过引入先验知识,结合虚拟检测区的计数算法,保证了检测的实时性,提高了计数的准确率。 项目实践方面,本文在客流量视频监控与统计系统以及地下车库视频监控系统中结合了理论研究方法如运动目标智能跟踪与识别技术以及人工神经网络等智能学习模型。实验表明,此类智能视频监控系统稳定、高效,为其实际应用和推广奠定了基础。