论文部分内容阅读
随着机器学习、图像处理等技术的不断发展和进步,以图像自动分析为特色的智能视频监控已经成为监控领域的发展方向,并被广泛应用于金融、交通、安防、教育等众多领域。然而目前,监控视频数据通常以某种压缩格式直接存储在服务器上,不仅存储开销大,视频中的重要信息和线索也无法得到充分挖掘,监控数据的效应未能充分发挥。为此,本文针对监控视频中最重要的对象——行人,开展了行人智能感知关键技术的研究,旨在自动捕获监控视频中出现的行人目标,并将其对应的脸部和外观等信息进行存储、记录,以支持后续的检索、关联分析、再识别等各种功能。 根据监控视频的具体特点和实际需求,本文主要完成了以下几部分工作: (1)针对低照度图像/视频增强算法的颜色失真、过增强以及实时性问题,提出了一种基于增强模型的低照度图像/视频增强算法。该算法首先在RGB颜色空间建立了增强模型,然后在真实光照条件下对ColorChecker色卡进行拍摄,得到一系列不同光照强度下的色卡图像,利用色卡图像来估计模型中的参数,实现低照度图像/视频增强处理。实验结果表明,与现有算法相比,本文提出的算法可以获得颜色更加自然的增强结果,还能够有效提高车牌定位、肤色检测等智能化分析处理算法的性能。另外,本文算法处理1280×720的视频帧平均速度可达28.3帧/秒,可以满足高清视频的实时处理需求。 (2)针对人脸图像质量评价方法计算出的质量分数与人脸识别性能的相关性较弱问题,本文以光照条件为例,提出了一种基于核偏最小二乘回归的人脸图像光照质量评价方法。该方法分为训练阶段与评价阶段。在训练阶段,考虑到人脸图像的不同部分对人脸识别的重要性不同,本文分块提取人脸图像的亮度和对比度特征作为光照特征,然后训练得到光照特征与人脸识别性能间的核偏最小二乘回归模型。在评价阶段,将人脸图像的光照特征输入回归模型即可得到人脸图像的光照质量分数。实验结果表明,与现有方法相比,采用本文方法计算出的质量分数与人脸识别性能的相关性明显提高,可以更加准确地预测人脸图像在后续识别算法中的识别效果。 (3)针对监控视频行人检测的准确性、实时性问题,提出了一种基于失衡度先验的行人检测算法。首先提出了一种基于颜色差分的彩色图像边缘检测算法——颜色差分图,根据颜色变化信息实现边缘检测。然后,利用颜色差分图定义了失衡度来定量描述行人样本的对称性,并提出了失衡度先验概念,对选取的运动目标候选区域进行粗分类。最后,利用HOG特征和SVM相结合的方法进行细分类,实现行人检测。在FHD-175数据集上的实验结果表明,本文提出的行人检测算法查全率可达96.0%,查准率可达99.0%,处理1920×1080的全高清视频帧平均速度可达20.73帧/秒,可以同时保证行人检测准确性与实时性。 (4)在上述研究内容的基础上,开发实现了行人智能感知演示系统,用于验证本文提出方法的可行性和有效性。该系统将人脸与外观的智能感知纳入到一个统一框架下,实现了监控视频中人脸和行人的检测,并将检测结果存储到数据库中,不仅有效降低了存储开销,还为后续人脸识别、行人再识别等智能化分析处理技术的应用提供了基础。