基于视频的社会群体人物关系发现及人物搜索

摘要

动态场景下的视频监控,尤其人物或者交通工具的监控,是计算机视觉主要的研究方向,拥有广阔的应用前景。主要包括,特殊区域的监控,远距离人物识别,人流统计,和拥塞分析,异常行为检测以及多相机监控。通常,视频监控的处理流程包括以下几个步骤:环境模拟,行为检测,运动物体分类,跟踪,行为理解与描述,人物识别,以及多相机数据的融合。
　　而随着社会上监控摄像机的大规模使用,监控数据量的规模也变得越来越大,以往简单的使用人工的监控的方法变得不太可能。所以必然要使用数据挖掘的方法挖掘出大量视频信息中的有用信息。传统的监控场景,用户需要长时间的注视着监控视频以发现感兴趣的事件,所以这样的过程是相当耗时的,而且花费大量的资金来雇佣安全人员。智能视频监控领域主要应用计算机视觉技术去解决上述问题,在较长的监控视频中自动的检测出特殊事件。
　　由于考虑到现实生活中人们在进行社会活动的时候,都具有一定的群体特征。在本文中,我们使用数据挖掘的方法进行群体特征的提取。然后利用这些提取出来的群体特征进行人物目标的搜索,从而降低目标搜索的空间,以此来提高搜索的准确性与高效性。并通过对比实验证明了我们提出方法的有效性。

目录

摘 要

ABSTRACT

目 录

第 1 章 绪论

1.1 研究背景

1.2 视频监控概述

1.3 智能视频监控系统

1.4 视频监控中的人物目标搜索

1.5 本文的主要工作和安排

第 2 章 视频监控中人物搜索技术概述

2.1 引言

2.2 基于人脸识别的人物搜索方法

2.2.1 基于人脸识别的人物搜索方法的背景与内容

2.2.2 通过追踪的方法进行脸部样本的获取

2.2.3 人脸样本集的匹配

2.2.4 基于人脸识别的人物搜索方法的小结

2.3 基于身体各部分属性的人物搜索

2.3.1 基于身体各部分属性的人物搜索提出的背景与内容

2.3.2 利用人体部位和属性进行搜索

2.3.3 实现细节

2.3.4 基于属性的人物搜索小结

2.4 基于身体各部分属性的人物搜索小结

2.5 E-V搜索技术

2.5.1 E-V搜索技术简述

2.5.2 E-V搜索技术简述小结

2.6 本章小结

第 3 章 社会群体人物关系发现及人物搜索

3.1 引言

3.2 目标检测

3.2.1 背景相减法

3.2.2 相邻帧差法

3.2.3 光流法

3.3 人物识别

3.4 帧内聚类

3.5 群体人物关系发现

3.5.1 问题提出

3.5.2 基于滑动窗口的APRIORI算法

3.6 人物搜索

3.7 本章小结

第 4 章 搜索算法的实现与分析

4.1 引言

4.2 FBRM算法的简述

4.3 实验数据的采集

4.4 帧内的群体发现算法的实现效果

4.5 帧间的群体发现算法的实现效果

4.6 实验内容及评价方法

4.7 实验结果与分析

4.7.1 实验一：群体搜索

4.7.2 实验二：个体搜索

4.7.3 实验三：支持度的大小与搜索结果的关系

4.8 实验结论

4.9 本章小结

结 论

参考文献

攻读硕士学位期间发表的论文及其他成果

哈尔滨工业大学学位论文原创性声明及使用授权说明

致 谢