论文部分内容阅读
随着经济发展和生活水平提高,社会对安全的需求快速增长,中国社会经济加速转型也使得安全问题更为突出,以视频监控为主导的技术防范手段将越来越得到人们的关注。目前我国的监控系统大部分还停留在第一代模拟监控系统的时代,毫无智能可言。模拟监控系统受制于人力物力成本、处理、存储因素等的限制,无法大规模使用。智能相机具有低成本,低功耗、易扩展等诸多优点,是未来大规模智能视频监控的发展方向。但是,现阶段智能相机的相关研究在国外才刚刚起步,国内更是少有研究机构从事相关工作。将智能相机运用在下一代智能视频监控系统中,存在着系统软硬件平台、智能视频分析算法、相机网络部署与优化等诸多挑战。基于此,本文主要做了如下工作: 一、智能相机软硬件平台搭建。在分析和总结了国内外现有的智能相机硬件平台基础上,选择了PXA270及RaspberryPI作为硬件系统。同时还开发了一套用于图像/视频算法设计、分析及测试的软件平台。 二、智能相机资源受限条件下的的图像处理算法。针对智能相机资源受限的特点,首先提出一个基于AIMD思想的高效的二值图像处理方法,并对该方法进行了详细深入的的理论分析和讨论。基于该AIMD算法,提出了在资源受限的条件下的运动检测算法RaFFD与人脸检测框架P-FAD。实验证明RaFFD和P-FAD具有速度快、鲁棒性好的特点。 三、相机网络动态覆盖策略。在概率覆盖框架的基础上提出了动态覆盖策略。该策略考虑了如何在监控场景动态变化的情形下使用可移动的智能相机来进行最优网络覆盖。其中的DMSA算法用于分布式求解动态场景下的相机网络配置;点序列匹配方法用于在实施配置的时候尽可能的减少能耗。仿真验证了DMSA的快速性和准确性,点序列匹配方法的节约能耗、延长网络生命周期的特性。