关键词： 智能视频分析   目标跟踪   相关滤波   动作识别   视觉词袋模型  

摘要： 目标跟踪与行为识别是智能视频分析的核心问题,对这两个核心问题进行深入研究对于提高视频分析监控系统的性能有着重要的意义。主要工作如下:1、提出了一种基于改进相关滤波的长时目标跟踪算法。长时间的准确跟踪是目前目标跟踪领域面临的主要挑战。大多数传统的目标跟踪方法主要是针对短时的跟踪问题,在面对长时的视觉跟踪时,由于目标自身的外观变化及周围环境的遮挡,容易出现目标模版漂移的现象。在长时目标跟踪中,随着视频推移,模版漂移的现象会愈发严重并最终导致目标丢失。为解决上述问题,提出了基于改进相关滤波的长时跟踪算法;以相关滤波算法为跟踪框架,采用了高置信度的模版更新策略防止模版污染,并设置了一个目标重检机制用于找回丢失的目标。实验结果证明所提出的算法有效避免了模版漂移问题,并且可以长期稳定的跟踪目标。2、提出了一种基于时空加权的多特征融合动作识别算法。针对传统视觉词袋BOF编码方式中对所有特征进行无序编码,而忽略了动作中的时序以及某些特征本身的特质等问题,提出了针对BOF编码加权的多特征融合行为识别算法。在跟踪目标位置基础上扩大目标框的范围,提取HOF、HOG以及CN特征进行融合,使用加权的BOF编码方式对其进行特征编码,最终将加权后的BOF特征输入SVM实现动作识别。实验证明该算法能够有效提高动作识别的准确率。3、构建了一个火车司机监控视频违规行为智能筛查原型系统。将提出的算法应用于火车司机违规行为的智能筛查,实现了在海量的离线监控视频中对火车司机违规驾驶行为的智能筛查,减轻了视频审查人员的负担、提高了筛查效率。

关键词： 智能交通   视频分析技术   分布式处理   交通流量检测  

摘要： 随着城市道路交通流量日益增大,如何高效率、低成本的解决交通拥堵是智能交通领域的重点研究内容。使用视频分析技术统计监控视频中的交通流量数据,可以为交通管理部门进行拥堵疏导提供参考依据。由于车辆密度和路况条件等因素,不同交通密度场景下车流量统计的需求不同。基于此,本文针对低交通密度场景,提出了基于预视频切分和帧差法的分布式交通流量检测方法;针对高交通密度场景,提出了基于视频帧段分布式处理和背景差法的交通流量检测方法。并最终实现高效率的交通流量检测系统。本文主要研究工作如下:(1)研究低密度分布式交通流量检测方法。现有检测方法对交通密度低的场景进行交通流量统计时,通常存在检测速度较慢的问题。本文预先将完整视频切成若干个短视频,并设计Spark视频完整读取方案,再使用两帧差法实现视频的分布式车流量统计,提升交通流量统计速度。(2)研究高密度分布式交通流量检测方法。对交通密度高的场景进行交通流量统计时,传统检测方法存在漏检及统计速度较慢的问题。通过研究视频帧段分布式读取方式和Spark数据倾斜解决方法,本文提出自定义视频帧段读取方案和任务平均分配法,并通过背景差法对视频帧段进行分布式车流量统计,在保证准确率较高的同时提升检测速度。(3)设计实现高低密度场景交通流量检测系统。通过系统业务需求进行功能模块的分析与设计,实现不同交通密度场景下的车流量分布式统计、统计结果展示等功能,并使用Spring、SpringMVC、Hibernate等技术进行系统构建。最后,通过功能测试和性能测试,验证了本系统在不同交通场景下具有较快的检测速度和较高的准确率。本文的研究成果能在真实场景中应用,并有利于交通流量检测研究的发展。

关键词： 情感识别   关键帧提取   视频内容分析   特征融合   多核学习  

摘要： 随着数字媒体处理技术和计算机网络技术的快速发展以及智能设备的不断普及,数字图像、音频、视频已经逐渐成为信息传播的主要方式。视频由于具有直观生动的特点,应用越来越广泛,每天都会有海量的视频被分享到互联网。为了方便有效的组织和管理这些海量视频,亟需一种基于视频语义内容的组织分类和检索方法。视频内容不仅包含事件和动作,还包含丰富的情感语义信息,对视频情感语义研究意义重大,既可以提升数字媒体的检索、标注效率,又能够提高数字娱乐产品的情感交互能力和促进人工智能的发展。情感是视频的固有特征之一,视频的情感识别主要是分析视频本身所包含的情感或预测视频会给观看者带来怎样的情感体验。本文以用户生成的网络视频作为研究对象,从情感认知角度出发,基于机器学习方法对视频进行情感识别。本文所作的具体的研究工作和创新点如下:(1)针对在视频情感识别预处理工作中,随机抓取视频帧或者是利用传统聚类方法提取关键帧来表示视频内容而导致选取的帧存在较大的冗余性和代表性不强的问题,本文提出一种基于距离阈值聚类的关键帧提取方法。该方法通过对样本密集采样确定距离阈值来完成聚类,既改进了传统聚类方法的阈值选取问题,又提高了关键帧的有效性,使视频的表征能力有了明显的提高。(2)在视频情感表达方面,考虑到关键帧中可能存在一些重要区域,本文利用词袋模型和空间金字塔模型对关键帧进行了分块和量化表示来获取更完整的视觉特征信息。除了使用视听特征来表达视频的个性化情感内容,本文引入了Classemes和SentiBank两种富含语义的深层语义属性特征,来弥补低层视听特征和高层人类情感之间的语义鸿沟,使视频的情感表达更加丰富。大量的实验结果表明,基于属性特征的模型在情感识别方面能够产生非常优异的性能。(3)受启发于多特征融合对分类精度的影响,本文提出一种基于特征权重调节的视频情感识别方法,通过对不同的特征描述符构建不同的分类模型并训练特征权重,组合多个分类模型完成终极分类。此外,本文还探讨了多核学习的多特征融合,并将多核学习思想运用到了视频情感识别中,通过核函数处理特征后线性融合特征,使得视频的情感识别有了一定的提高。

关键词： 智能视频   安全   行为分析   主动干扰  

摘要： 现如今,视频监控应用越来越广泛,视频监控包含的信息超出人们所能处理得范围已经成为事实。智能视频分析技术是一种过滤大量冗余的有效方法。它是目前在中国安防行业最重要的技术之一。简而言之,该技术可以对视频画面中地动态物体进行行为分析,进行位置追踪,记录其异常行为,并作出合理措施对其进行主动干扰。

关键词： 移动机器人平台   视频采集   视频传输   视频内容分析  

摘要： 在最近十年以来,随着信息技术的综合发展,智能机器人已经大规模应用到人类的生产生活中。搭载监控设备的具备自主导航定位能力的移动机器人,通过预先对场景进行建模,可以部署在水电站、生产车间、机场大厅等工业生产和人类生活环境中。目前,结合移动机器人技术的监控视频采集系统的研究已经成为学术界和工业界的研究热点。本课题主要解决将视频监控技术运用于移动机器人工作环境的具体工程问题。首先,本文搭建了一套移动机器人监控视频采集平台。结合现有的机器人底盘技术,本文自主设计了相应的底层硬件控制单元和上层设备管理单元,实现与机器人相关硬件设备的控制和数据获取。随后,本文研究了移动机器人平台监控视频的采集和编码方法,设计了视频采集模块。在保证系统较低功耗的前提下,利用平台硬件加速能力实现视频数据的高效H.264/AVC编码。同时,软件方案支持多种编码方法,为后续开发提供了良好的扩展性。整个采集模块运行于通用硬件设备和软件平台,具备良好的设备替换能力和软件移植能力。通过在不同平台使用不同视频采集和编码方法进行对比实验,验证了本文方法的有效性。然后,针对弱网络环境下的数据传输,以数据完整性和数据快速传输为目标,本文设计了监控视频的传输模块。本文通过线程池并发传输的方式加速数据在网络中的传输速度,提升网络带宽的使用效率。同时,通过在服务端维护网络连接的上下文信息,避免数据在频繁的网络中断和接入点切换中重复传输。通过在局域网和公网下的多组实验,验证了本文数据传输方法对数据传输加速的有效性。最后,本文设计了监控视频内容分析模块。基于机器学习技术,采用支持向量机分类器作为目标检测器,通过事先输入样本对分类器进行反馈训练,得到具备环境适应性的目标检测单元。输入监控视频作为目标检测的数据源,将目标检测结果保存在数据库中。基于前后端分离的RESTful架构设计了用户交互系统,用于展示监控视频分析结果,便于用户对视频进行管理。通过对比实验,证明本文方法在具体场景中具备实用价值,并且相对于已有模型有了明显改进。

关键词： 智能安防   人工智能   安防行业   智能视频分析   重新定义  

摘要： 这是百花齐放的智能技术大舞台,尤其以人工智能技术的出现,安防行业才会拥有高级别应用的行业门槛,或许又会带来更大市场格局的震荡。鉴于此,我们可以认为,智能安防技术,重新定义了安防。处于盛世之下的安防行业,倚借的是在技术道路上的不断创新、吸纳、升级、演进,发展至今,行业早已不不再满足于监控看得清、报警及时响应、智能家居的简单联动,而是在更多的满足用户

关键词： 视频内容分析   音频分类   色情图像识别   长短期记忆网络  

摘要： 随着互联网的迅速发展,智能手机技术的迅速提高,每分钟有大量的短视频通过社交平台进行分享,所以视频内容分析是目前机器学习和人工智能非常重要和热门的工作。针对大规模的用户原创生产的视频内容,如何进行全方面分析是难度非常高的事情,如何从大量用户发布的短视频中筛选掉不良违法内容,选出优质视频分享给其他用户,提高整个用户分布平台视频的质量也是重中之重。本文从视频,音频,发布者头像的角度,从用户的视觉,听觉角度对视频进行视觉方面分析与听觉方面分析,运用了多个深度学习模型对这三个领域进行建模,建立多套深度学习模型对视频进行全方位分析。首先,提出基于OPENNSFW网络结构进行建模,改良,对发布者头像进行判别是否涉及色情,提升判别精准率,降低判别误杀率。然后,对视频内容进行分析,首先用1)inception-v3模型结构对视频提取出各帧的视觉特征表达;2)分别建立全连接网络结构,支持向量机SVM模型,长短时递归神经网络（LSTM）对该特征序列进行学习,并表达为相应的视频类别,为达到更高的准确率与精准率,在长短时神经网络LSTM结构基础上,建立了多层LSTM,多层LSTM加Dropout层LSTM,进行实验对比分析,选出最优的模型。3)进一步采用特征选择,对每一个视频增加特征维度信息,更好的对视频进行分类。最后,对视频中的音频进行分析,采用FFmeg提取出音频的特征向量,采用迁移学习的思想,建立分类模型,对音频进行三分类,分别是音乐,对话,噪声,调参调优,达到高准确率。再将音频分类结果加入到视频基础维度信息中,帮助视频进行更好的识别分类。目前建立的三个模型已全部上线,提升了微博视频推荐业务的上亿用户的用户体验,选出更优质的视频推送给微博短视频用户。

关键词： 视频内容分析   结构化分析   物联网   城市   智慧   助推   社会公共安全   视频数据  

摘要： 视频结构化分析技术紧贴视频内容分析、提取,为维护社会公共安全、打造智慧城市,应用现有的视频系统的新技术,能够使之更好地适应物联网时代视频智慧化、情报化的应用需求。目前各地加紧推进平安城市的深入建设,每天产生海量的监控视频数据,通过分析作为物联网视觉感知重要来源的视频数据,可以构建很多智能服务。

关键词： 视频分析   智能交通   自动驾驶  

摘要： 视频分析技术的应用范围很广,而且随着视频分析技术的发展,越来越多的领域开始应用视频分析技术来解决相关的问题,本文通过对视频分析技术的研究,重点讨论了视频分析技术在智能交通系统的应用。

关键词： 矿山视频监控   智能视频分析   胶带堆煤检测   危险行为检测   动目标检测   故障预警   危险行为预警  

摘要： 针对现有的矿山视频监控系统只能实现环境和设备运行监控,无法对人员等动目标行为实施有效监控的问题,设计了一种矿山智能视频分析与预警系统,介绍了系统组成及架构,以胶带堆煤检测和人的行为检测与识别为例,阐述了系统实现原理。在煤矿井下进行了胶带堆煤检测、危险区域人员检测、系统识别率和响应时间试验,结果表明系统能够有效检测出胶带上的煤量及危险区域范围,识别响应时间不大于2s,识别成功率不低于98%。