论文部分内容阅读
智能视频监控(Intelligent Video Surveillance)是计算机视觉领域中近几年来倍受关注的一个应用领域,它是利用计算机视觉和图像处理等技术对视频信号进行处理、分析和理解,并对视频监控系统进行控制,比如监控系统可以自动识别不同的物体;发现监控画面中的异常情况,并能够以最快和最佳的方式发出警报和提供有用信息,从而能够更加有效的协助监控人员获取准确信息和处理突发事件;或者过滤掉监控者不关心的信息,仅仅为监控者提供有用的关键信息,从而提高视频监控系统智能化和自动化水平。这样才能有效解决传统的视频监控系统由于存在着数据量大,响应时间长和人类自身固有的弱点等缺陷导致的监控效率低下和繁琐的工作量等问题。由于智能视频监控是一个涵盖广泛的系统性工程,涉及图像处理、计算机视觉、模式识别、人工智能技术、通信技术和网络技术等诸多技术领域的综合应用,本文重点研究了智能视频监控技术中的一个应用方向:异常行为的检测与识别,并就其涉及的一些相关具体问题做了深入的研究,主要的研究内容和贡献包括:1、研究和实现了智能视频处理的中的一些基础技术,包括利用自适应高斯混合模型来对背景进行建模来进行运动目标的提取,达到了很好的抑制噪声和提高目标完整度的目的;利用Mean-shift跟踪算法对运动目标进行跟踪,避免了运动检测中的目标粘连问题;并进一步利用多子块灰度相关匹配方法从一定程度上解决了跟踪过程中容易出现的目标丢失和混乱问题,保证了后续研究工作的可靠性。2、创建了一个包含一万七千多个样本的运动目标训练库和测试库,其中包含行人、机动车辆、其他目标这三个类别的目标轮廓图,可以用于运动目标的特征提取与分类识别的实验研究。3、深入研究了目标检测与识别问题,总结为静态目标识别和动态目标两个研究方式并综述了各自的研究方法和特点;研究了降维算法理论在模式识别领域中的应用,研究了更能反映降维算法的本质特征的图嵌入模型,提出了一种基于研究中建立的大样本训练库和边缘fisher判别的运动目标识别框架,克服了一些传统方法对于特征提取过程的苛刻要求和识别对象种类局限的种种不足,达到了更好的通用性和高效性。4、探讨和研究了智能视频监控系统中新兴的研究领域:视频场景中的异常检测问题,分析并总结了异常行为的本质特征,通过对于行为特征的定义和统一的建模方法,提出了一种既可以在监督情况下,又适用于非监督情况下的异常行为检测的思路和系统结构。5、运动轨迹信息是运动目标行为的一个最重要的特征之一,本文提出了一种新的度量运动轨迹相似度的算法-分段上下文编辑距离(SCED)算法,利用运动过程中的不同阶段来挖掘运动特征,在惩罚函数中增加了位置、方向、速度上的差异信息,让它在运动轨迹的距离计算中显的更为合理,并具有很好的计算效率。6、基于动态贝叶斯网络的原理,本文设计了一种新的名叫SML-HMM的模型来对复杂行为的因果时序关系进行建模、和异常行为的识别。用最少的状态联系来对行为进行描述,达到了模型参数的表达和推理的优化目的,减少了计算的复杂度,提高了模型在推理过程中对于噪声的容错率。