论文部分内容阅读
近年来随着计算机技术的发展和安防需求的增加,智能视频监控技术已经成为计算机视觉研究领域的一个热点,其与传统意义上的视频监控系统的主要区别是通过智能化的算法赋予计算机相关领域自主决策能力,从而实现计算机协助并代替人完成监控场景的监控任务,减轻工作人员负担。智能化的视频监控系统能够及时地检测并识别出监控场所的异常情况减少各类异常事件的发生,同时可以节约大量的人力、财力和物力。综上所述智能视频监控系统的优势和大量的需求和巨大的市场经济价值引起了国内外学者和研究机构的关注。智能视频监控系统中的人异常行为识别是一个涉及到计算机视觉、数字图像处理、模式识别、机器学习等诸多领域的交叉应用,本文主要针对智能视频监控系统中的人跌倒行为识别和人体检测及目标跟踪等几个应用的方向中的关键技术问题进行研究,本文主要工作内容如下:(1)在目标检测方面主要是实现一种基于动态背景建模的运动目标检测和超像素特征目标检测方法相混合的目标检测方法。通过研究监控场景中像素值的变化规律确定动态背景更新的模型,在进行目标检测过程中对目标颜色特征进行建模实现目标阴影抑制。分析采用混合高斯背景建模方法提取运动目标时空洞产生的原因,并采用不同的背景和前景更新速度的方法解决空洞化问题。(2)在运动目标跟踪方面,由于人体是非刚性目标,在视频监控场景中常会发生形变,为能够长期准确跟踪目标,我们使用图像几何不变矩Hu、目标的方向梯度统计归一化直方图和10个随机像素点作为目标的描述模板,并用在线学习方法对目标模型进行更新预测。(3)在异常行为检测方面,本文先用目标的质心差值、高宽比值和倾斜角作为正常和异常行为分类的特征,并用先验知识对上述三个特征进行量化来实现人行为的正常和异常分类。同时本文用图像的场景能量差方图特征和人体骨架相似度等特征,通过定义特征的模糊化规则使用模糊分类器实现跌倒行为的识别。同时给出对坐下、跌倒和行走的测试结果。