智能视频监控系统中运动行人分析的研究

摘要

随着通信技术与计算机技术的发展，视频监控在日常安防中具有越来越重要的作用。传统的视频监控模式主要是将采集视频数据存储到监控中心的服务器中，仅有单一查看功能，已不能满足用户的需求。这种依靠人工对运动行人分析，不仅缺乏对异常信息及时预警的功能，而且准确率较低。本文基于运动目标检测、行人识别与行人异常行为检测算法展开研究，并设计智能视频监控系统，该系统能够对运动行人异常行为发出警报。
　　首先，为了更好的进行运动目标检测，提出了一种改进的运动目标检测算法。结合图像分块和均值法建立背景模型，运用图像分块与当前帧自适应权重更新背景模型，并采用自适应阂值分割目标，克服了背景中运动残影、光线变化干扰以及前景分割效果差的缺点。实验结果表明，本文方法能够快速准确检测出运动目标。
　　其次，针对单特征行人识别度低的问题，提出了基于多特征融合的行人检测算法。该方法融合了改进的多尺度HOG特征与CSSF特征，全面准确的描述了行人局部特征与全局特征。设计了一种Adaboost强分类器进行行人检测。在INRIA行人库上的实验表明，本文方法大幅提高了行人检测精度。
　　然后，针对行人异常行为检测中存在的问题，在目标跟踪基础上，对行人的形状和运动轨迹特征进行多特征提取，充分描述了行人行为信息，并运用先验知识对上述特征进行量化，检测行人异常行为。实验结果表明，本文方法能够有效检测行人异常行为，包括异常摔倒、异常跑步和徘徊。
　　最后，在上述算法基础上，对智能视频监控系统需求进行分析与设计，利用VisualStudio、OpenCV、Android、javaweb、云服务器等技术进行开发，从而使系统智能化、移动化。实验表明系统运行流程，实时性与准确性较好，能够满足用户远程监控、并及时准确掌握行人异常行为信息的功能需求。

目录

声明

摘要

第一章 绪论

1．1 课题研究背景及意义

1．1．1 课题研究背景

1．1．2 课题研究意义

1．2 国内外研究现状

1．2．1 运动目标检测研究现状

1．2．2 行人检测研究现状

1．2．3 行人行为分析研究现状

1．3 课题主要研究内容

1．4 本文组织结构

第二章 理论与技术基础

2．1 颜色模型

2．2 运动目标检测难点与常用方法

2．2．1 运动目标检测难点

2．2．2 运动目标检测常用方法

2．3 行人检测难点与常用方法

2．3．1 行人检测难点

2．3．2 行人检测常用方法

2．4 行人行为分析难点与常用方法

2．4．2 行人行为分析常用方法

2．5 其他相关技术基础

2．6 本章小结

第三章 运动目标检测

3．1 背景建模

3．1．1 常用背景建模概述

3．1．2 基于图像分块与均值法的背景建模

3．1．3 实验结果与分析

3．2 运动前景检测与背景更新

3．2．1 基于改进背景差分法的运动目标检测算法

3．2．2 基于图像分块与当前帧自适应权重背景更新

3．2．3 算法的实现

3．3 实验结果分析

3．3．1 运动目标检测对比实验

3．3．2 算法的定量分析

3．4 本章小结

第四章 基于多特征融合的行人检测

4．1 行人检测整体框架

4．2 目标的多特征提取

4．2．1 改进的多尺度HOG特征

4．2．2 改进颜色自相似度CSSF特征

4．2．3 偏最小二乘降维方法

4．3 基于Adaboost分类器构建

4．4 实验结果与分析

4．4．1 行人识别实验

4．4．2 客观评价实验

4．5 本章小结

第五章 行人异常行为检测

5．1 运动人体标识

5．2 基于MeanShifl算法的运动人体跟踪

5．3 运动人体多特征提取

5．3．1 行人形状特征

5．3．2 行人运动轨迹特征

5．4 基于多特征的人体异常行为检测分析

5．4．1 异常摔倒行为检测分析

5．4．2 异常徘徊行为检测分析

5．4．3 异常跑步行为检测分析

5．5 本章小结

第六章 智能视频监控系统设计与实现

6．1 系统设计框架

6．1．1 系统设计方案

6．1．2 关键技术

6．2 系统运行与检测结果

6．2．1 运动目标检测与行人检测结果与分析

6．2．2 异常摔倒行为检测结果与分析

6．2．3 异常徘徊行为检测结果与分析

6．2．4 异常跑步行为检测结果与分析

6．2．5 系统运行结果

6．3 本章小结

第七章 结论与展望

参考文献

致谢

作者在攻读硕士学位期间学术成果