论文部分内容阅读
传统的视频监控系统,无法提供对视频内容的分析。近年来,随着计算机视觉技术的发展,智能视频监控系统受到越来越多的关注。其中,以人脸识别为基础的智能视频分析技术尤为重要。 针对如何在视频监控中识别人脸,本文提出了一种涉及图像预处理,动目标检测,人脸跟踪,人脸检测与识别等技术的人脸识别方案。 在图像预处理方面,本文使用中值滤波来消除原始图像的噪声,使用直方图均衡化的方法调整图像灰度,降低了光照因素对于图像的影响。 在动目标检测方面,本文在高斯混合背景差分法的基础上作出了改进,通过引入阴影消除方法,减少了动目标检测过程中阴影的干扰。在提取的前景图像上,结合形态学操作和特征判断的方法,准确地提取出图像中的运动目标。 在人脸跟踪与识别方面,本文研究了Camshift人脸跟踪算法,通过实验找到了其存在的问题,对此本文提出了一种模糊自适应的分水岭跟踪方法,通过自适应地调整模糊系数,使用分水岭分割将人脸划分成稳定个数的区域,根据局部极值点的匹配关系和Kalman滤波对人脸进行了有效跟踪。此外,研究了Verilook人脸识别库及其各功能的实现方法。 在此基础上,本文提出了一个视频监控中的人脸识别和跟踪方案,并实现了实验系统。该方案先对图像做预处理和动目标检测,如果没有动目标存在,则继续读取新的视频帧,如果存在动目标,则在动目标区域内检测人脸并跟踪,跟踪结束后,在跟踪序列中找到置信度最高的三张人脸照片与样本库中的人脸进行匹配,识别身份。该方法避免了重复对图像进行人脸检测和人脸识别,并且缩减了检测范围,有效提高了运算效率。另外,本文中设计的实验系统使用多线程的技术,能够实现对多路视频的在线和离线处理,包含日志记录、样本库管理等功能。 实验结果表明,本文提出的视频监控中的人脸识别方案具有很好的检测效果和识别效果,软件系统也具有较高的稳定性能,具有一定的科研和实用价值。