基于监控视频的视频分析方法研究

摘要

随着监控技术的发展，国家对社会公共安全的重视，大量的监控摄像头被安装用于保证居民的公共安全，同时记录下了海量的监控视频数据。如何在海量的监控数据中快速查询分析感兴趣的视频内容，已成为监控视频分析行业的迫切需求与挑战。视频分析中的视频摘要技术是解决这类问题的首选手段。近年来，虽然视频摘要技术得到了一定的发展，但是要真正投入实际应用还需要一段时间的发展。因此基于监控视频的视频分析方法具有重大的研究意义。
　　首先，为了在监控视频中准确的提取运动对象，通过对Vibe前景提取算法和背景减除法进行研究与分析，指出了当前前景运动物体提取方法在提取过程中的难点与不足。利用Vibe前景提取算法和背景减除法的优点，设计了迭代提取运动对象的算法。
　　其次，针对运动对象不能按类别合成的问题。结合支持向量机(SVM)图像分类算法，提出了基于统计的运动对象分类的方法，成功的解决了运动对象分类的问题。
　　最后，为了解决视频摘要合成过程中的参数难配置，以及前背景融合过度不自然的问题。对摘要视频轨迹规划过程中的能量函数进行了修改，为每一个小能量函数设定了系数，并且归一化了所有的能量函数范围，简化了用户对参数的设定。并提出了基于运动对象重要程度的轨迹规划方法。在融合过程中，提出了背景合成，前景预融合和前背景融合三个过程。解决了前背景过度不自然的问题。

目录

声明

摘要

第一章 绪论

1．1 研究背景与意义

1．2 国内外现状

1．2．1 基于关键帧的视频摘要

1．2．2 基于对象的视频摘要

1．3 本文研究内容

第二章 监控视频中运动对象提取

2．1 运动对象提取

2．1．1 监控视频背景的生成

2．1．2 监控视频前景检测提取

2．1．3 监控视频运动对象的跟踪

2．2 背景图提取

2．3 运动检测与提取

2．4 运动对象的跟踪

2．5 实验结果

2．5．1 实验说明

2．5．2 运动前景提取实验

2．6 本章小结

第三章 基于提取对象的内容分析

3．1 支持向量机SVM

3．1．1 线性SVM

3．1．2 核函数

3．1．3 松弛变量

3．2 基于SVM的运动对象分类

3．3 实验结果

3．3．1 运动前景分类

3．3．2 运动对象分类

3．4 本章小结

第四章 基于提取对象的摘要处理

4．1 视频摘要算法改进

4．1．1 简介能量最小函数

4．1．2 能量函数的改进

4．2 实现及其改进

4．2．1 运动对象提取

4．2．2 能量函数计算

4．2．3 监控视频的合成

4．3 实验结果

4．3．1 能量公式的实验

4．3．2 视频图像合成实验

4．4 本章小结

第五章 总结与展望

5．1 总结

5．2 展望

参考文献

致谢

研究成果及发表的学术论文

作者及导师简介