论文部分内容阅读
随着平安城市的建设，城市监控渐渐地融入了我们生活的各个方面，随之带来的是监控摄像头数量的増加，进而导致视频数据急剧増长，如何在大量视频数据中快速有效地分析和检索感兴趣的视频内容己成为一个急需解决的问题。
目前，在视频监控领域中，对于监控视频的管理和检索方法通常是基于视频文件描述（时间和地点等）的，而基于监控视频的实际内容进行操作的检索应用还没得到普及，但这反而是用户更关心的。因此新型视频检索技术及其软件的研发成为智能视频监控领域的热点。针对传统视频信息检索所面临的问题，本文对基于运动目标分类的监控视频检索开展研究。具体工作涉及道路监控场景中运动目标检测、预处理和分类等问题。有针对性地设计了相应的视频分析算法，在此基础上，建立了一套基于运动目标分类的视频监控检索系统。归纳起来，本文各阶段的主要工作如下：
（1）研究了视频监控中三种常用的目标检测方法，给出了检测原理和实现步骤，并通过实验对帧差法和背景差分法进行了分析比较，其中，着重分析比较了背景差分法中三种常见的方法：简单自适应背景差法、单高斯背景建模法和混合高斯建模法；最后，分析讨论了各个目标检测算法的优缺点和适用范围。基于系统固定不变的道路监控场景，本文选取单高斯背景建模法进行目标检测。
（2）论文结合实际需求，主要针对行人、自行车／电动车和汽车三类主要道路目标进行分类和识别。基于运动目标检测模块的输出结果，对目标区域进行形态学处理，在此基础上，构建了基于目标形状参数的特征向量，并选择适合小样本分类的支持向量机（Support Vector Machine，SVM）分类器进行训练样本的学习，最终实现三类运动目标的分类和识别。
（3）设计和实现了基于运动目标分类的视频监控检索系统。系统由视频分析和视频检索两部分组成，视频分析包含了运动目标检测、目标跟踪和目标分类等基本算法模块。基于视频分析模块所提供的运动目标信息，对不同视频片段进行类别标注，并形成目标类别描述文件。在视频检索过程中，用户可通过输入查询条件（运动目标出现的日期、时间和目标类别），快速查询到相应的视频片段。实验表明，所建系统能够帮助用户在大量的监控视频片段中快速的找出满足指定目标类别的视频片段，避免繁琐的手动浏览和査找，有效提高了监控视频检索的效率。
目前，在视频监控领域中，对于监控视频的管理和检索方法通常是基于视频文件描述（时间和地点等）的，而基于监控视频的实际内容进行操作的检索应用还没得到普及，但这反而是用户更关心的。因此新型视频检索技术及其软件的研发成为智能视频监控领域的热点。针对传统视频信息检索所面临的问题，本文对基于运动目标分类的监控视频检索开展研究。具体工作涉及道路监控场景中运动目标检测、预处理和分类等问题。有针对性地设计了相应的视频分析算法，在此基础上，建立了一套基于运动目标分类的视频监控检索系统。归纳起来，本文各阶段的主要工作如下：
（1）研究了视频监控中三种常用的目标检测方法，给出了检测原理和实现步骤，并通过实验对帧差法和背景差分法进行了分析比较，其中，着重分析比较了背景差分法中三种常见的方法：简单自适应背景差法、单高斯背景建模法和混合高斯建模法；最后，分析讨论了各个目标检测算法的优缺点和适用范围。基于系统固定不变的道路监控场景，本文选取单高斯背景建模法进行目标检测。
（2）论文结合实际需求，主要针对行人、自行车／电动车和汽车三类主要道路目标进行分类和识别。基于运动目标检测模块的输出结果，对目标区域进行形态学处理，在此基础上，构建了基于目标形状参数的特征向量，并选择适合小样本分类的支持向量机（Support Vector Machine，SVM）分类器进行训练样本的学习，最终实现三类运动目标的分类和识别。
（3）设计和实现了基于运动目标分类的视频监控检索系统。系统由视频分析和视频检索两部分组成，视频分析包含了运动目标检测、目标跟踪和目标分类等基本算法模块。基于视频分析模块所提供的运动目标信息，对不同视频片段进行类别标注，并形成目标类别描述文件。在视频检索过程中，用户可通过输入查询条件（运动目标出现的日期、时间和目标类别），快速查询到相应的视频片段。实验表明，所建系统能够帮助用户在大量的监控视频片段中快速的找出满足指定目标类别的视频片段，避免繁琐的手动浏览和査找，有效提高了监控视频检索的效率。