论文部分内容阅读
在监控摄像头普及的今天,视频监控系统对维护公共安全,加强社会管理有着举足轻重的作用。目前,以人工为基础的视频监控技术存在着效率低下、工作量繁重等诸多问题。智能视频监控技术的出现为这一难题提供了一个可靠的解决方案。对视频中人的图像信息高效稳定提取和分析在公共安全、网络监管、刑事侦查等领域有着重大的现实意义。 当下的监控摄像头种类繁多,分辨率也大小不一。对不同清晰度的视频,系统的检测需求也不尽相同。对于低分辨率的视频,能够从衣着,身形等方面做出匹配识别就已经足够。本文采用了Vibe算法进行前景提取,通过质心算法对区块进行跟踪提取,捕捉到了运动目标的图像信息。在目标的检索上,本文结合视频的特性,设计了基于跟踪的感知哈希目标检索算法,从庞大的运动前景图像库中迅速而准确地找出与最佳匹配,以实验证明了感知哈希技术在视频图像目标匹配领域的显著优点。对于分辨率较高的视频,本文以人脸信息为切入点,使用了基于Haar-Like特征的Adaboost算法进行精准的人脸检测,再使用可变形模板技术对人脸区块高效地跟踪,建立以跟踪为主键的视频人脸数据库。对于跟踪算法存在的诸多问题,本文以理论和实验为依据,从两种角度设计了针对原有人脸跟踪的矫正算法,即视频帧等间隔矫正算法和基于跟踪框变化程度的矫正算法。实验对比证明了矫正后的跟踪结果在准确性和稳定性得到了提升。两种不同的矫正策略会对跟踪的表现带来不同的影响,在实际使用中可以根据智能视频监控系统对实时性和准确性的要求来选取合适的矫正策略。最后,本文以前面跟踪得到的人脸数据库为测试对象,设计了算法流程,应用PCA技术进行了人脸识别测试,对比了同样算法应用于ORL人脸视频数据库的实验结果,证实了跟踪算法的有效性和PCA技术在视频人脸识别领域的可行性。文章完成了对不同分辨率的视频,从检测、跟踪到识别的一整套流程。