论文部分内容阅读
近年来视频监控系统的智能化是当前视频监控技术的发展潮流,并已经渐渐得到广泛应用。针对蹲守监控应用,本文设计了一套基于智能理解的无线蹲守监控系统,主要研究了基于HOG特征的行人和车辆检测算法,并提出了一种场景的自适应检测方案,对HOG特征进行降维的改进,此外对无线视频数据传输方案的改进也是本文的一部分工作。 为了解决视频监控的人工观看效率低和实时视频录像中存在大量无用信息,资源浪费的问题,本文远程服务器平台引入HOG特征+SVM方式的行人和车辆识别算法,基于HOG特征目标识别算法采用的是滑动窗口检测方案,提取图像边缘特征并定位目标位置,是一种高效目标识别算法。HOG特征维数过高是影响检测算法实时性关键因素,本文通过PCA主成分分析对HOG特征改进,详细阐述了HOG特征提取和PCA特征降维改进的实现。对SVM分类器而言核函数的选择是至关重要,通过实验比较不同核函数的分类器的表现,选择合适的核函数。为了准确地统计目标数目和定位目标位置,本文对窗口融合算法进行了改进。实验结果表明通过HOG特征的改进和核函数的选择明显提高了算法的实时性并能准确进行目标定位。 由于现实监控场景无穷多变性,现有基于统计学习的目标检测算法很难在特定监控场景展现理想效果。因此针对蹲守监控应用,本文创新性提出并实现了一种自适应场景的检测方案,引入感知哈希相似度比较的方式实现场景自适应检测,通过相似度计算降低新样本筛选和剪裁的成本,提高检测效率。 本文还提出了基于无线网络带宽实时估计的视频数据传输方案,根据无线网络的质量状况确定视频码率等级,并采用循环内存队列缓冲和基于线程池的多线程技术进行视频数据传输。并在前端内搭建嵌入式视频服务器,方便蹲守监控应用中在局域网内实现便捷的视频监控。 本文将无线视频监控技术和计算机视觉算法相结合,在视频服务器平台中引入基于HOG特征行人和车辆识别算法,初步设计和实现了智能的无线监控系统,具有较高的理论价值和使用价值。