论文部分内容阅读
视频监控是现代社会中安全防范系统的关键组成部分,视频监控方面的研究分析工作对各种公共场所的安全起到了非常关键的作用。监控视频的数据量十分庞大,并且事先难以预测,再加上实时性很强这些特点,使观看这些监控视频的工作人员进行人工分析十分困难。监控视频可视化技术的研究可以弥补自动化分析的不足,使工作人员从繁重的人工分析中解脱出来。监控视频中的轨迹蕴含了大量的有效信息,对轨迹的研究分析可视化非常有利于监控视频的全局掌握和异常检测。本文提出了一种基于轨迹的监控视频可视化新型方案对监控视频进行分析可视化。本方案可以有效的可视出监控视频场景中的整体状况和轨迹运动情况,检测监控场景中的异常情况,帮助工作人员及时作出决策。该方案主要包括数据预处理、基于轨迹聚类的数据建模、基于时间的轨迹聚类更新、Hermite曲线平滑连接和基于HSV颜色模型的可视化。数据预处理是对场景数据和轨迹数据的预处理;基于轨迹聚类的数据建模通过轨迹的相异度度量、并查集和Hierarchical聚类分析实现,该建模方法解决了其他聚类算法需要事先输入训练集,需要对完整轨迹进行聚类的问题,考虑了速度和方向的制约,区分了历史时段和最终时段对聚类结果的影响。可视化在轨迹更新聚类的基础上通过Hermite曲线平滑连接和HSV颜色模型进行可视。本文通过对从奥地利格拉茨市公共交通中心行人数据中提取的行人数据集Puntigam和从佛罗里达州迈阿密市提取的疏散数据集EVACUATION进行实验测试和分析,证明了本方案的可行性和有效性。