论文部分内容阅读
在现代社会中,视频监控系统随处可见。视频监控系统使人们的工作生活更加方便,更加安全,提高了效率。然而,目前视频监控网络多数只停留在原始视频的录像阶段。虽然有些系统具有移动侦测报警的功能,但实际监控任务大部分仍是由人工来完成。随着视频监控规模逐渐扩大,依靠人工方式进行实时监控所暴露出来的局限性越发突出,既没有足够多数量的屏幕供观看,也不可能安排足够多的人员24小时盯着屏幕看,同时面临着海量视频数据检索的问题。因此对于利用计算机视觉的相关技术实现智能化的视频监控系统的需求越来越迫切。行人检测和行为分析是智能视频检测中的一个重要的研究热点和领域。研究行人检测和行为分析对只能视频监控的发展有非常重要的意义。本文研究视频监控中的行人检测和行为分析问题。尤其是要从计算机视觉的角度出发构建一个对象检测器,对实时视频中的对象进行搜索并对它们进行检测。从图像序列中找到关心的对象,即行人,并且能够标记身体的不同部位,对行为进行简单的分类。更确切地说就是达到对象检测器的两个目标:确定图像区域中的行人和行为类型。本文将行人检测和行为分析分开进行,即首先将行人检测出来,再对确定包含行人的图像处理,识别其行为。对于行人检测算法中运用到的主要图像特征以及提取方法,本文采用HOG梯度特征的方法,确定图像中是否包含行人。得到行人的身体特征之后,拟使用人体检测算法中经常运用到的SVM分类器对物体进行分类。在行为分析部分,将Active Basis引入行为分析系统,对行为简单分类。在实验室的视频监控系统的环境下,我们具体实现了行人检测和行为分析系统,验证算法的是否有效,并且改进算法,使算法更加符合实际应用。我们的要求是在实时的视频监控中,系统能够实时检测行人并且能够对行为进行简单的分类,没有明显的延时,保证监控画面的流畅,并且有较高的正确率。