论文部分内容阅读
国家对于智慧社区、平安城市系统工程的全面建设,社会对于安防监控的质与量的需求与日俱增,愈来愈多的摄像头和监控节点投入使用,这无疑加重了监控人员的负担,因而具备更加智能的摄像头分析处理成为未来重要的发展方向。小区进一步开放建设将会带来围绕智慧社区的安防监控的改革升级,其中小区人物跟踪、行为预警分析凸显出重要地位。因此,论文采用智能视频分析的方法进行视频行人检测、跟踪及感兴趣区域(Region Of Interest,ROI)入侵违规行为检测等功能模块的研究开发,完成了基于智能视频分析的行人检测、跟踪系统的设计实现。论文采用视频行人检测的经典方法——梯度方向直方图(Histogram of Oriented Gradient,HOG)+支持向量机(Support Vector Machine,SVM)完成功能设计开发,通过难例样本训练与非极大值抑制(Non-Maximum Suppression,NMS)矩形框融合机制提升了分类器的性能,实现了视频行人检测。实际场景下测试的平均检测速率为41.66ms/帧,平均检测准确率达到99.49%,平均召回率为72.21%,平均综合检测效果达到83.68%。针对行人跟踪,设计了融合颜色直方图特征的粒子滤波(Particle Filter,PF)的跟踪方案,能够达到视频中指定的单目标行人跟踪的预期功能,经过功能测试,实际和非实际场景下,平均跟踪处理速度保持在8.5ms/帧以下,能够满足实时跟踪要求。ROI入侵检测模块通过帧间差分的思路完成了视频中指定区域的监测分析,系统自动规避正常情况,当发生入侵时,系统发出警报信息并检测出运动前景。此功能可广泛应用于小区视频监控中各种入侵、绊线跨越、窗户攀爬类违规行为的检测预警。论文在完成上述三个功能模块的设计实现后,进行整合形成具有交互界面的系统客户端,其研究内容对于小区视频监控中行人预警分析具有一定的实用价值。