视频分析技术-专题定制-三峡大学图书馆

谢洪茂

南京邮电大学

摘要： 近年来,随着人工智能、网络通信技术、视频存储技术和视频编解码技术的发展,网络化、智能化、实时化监控逐渐成为监控的发展目标。智能视频监控在智慧公安、交通、反恐等应用场景下需要满足实时性的要求,随着智能监控系统监控范围的扩大,智能视频分析服务器的负载迅速增大,因而,能够满足实际应用需求的智能视频分析服务器集群系统设计成为该领域的一个重要需求之一。本文主要针对实战型视频分析服务器集群系统进行研究,首先对智能监控系统的国内外研究现状进行了分析,根据国内公安系统的实战要求,有针对性地提出了智能视频服务器集群系统的模型、设计方法及系统实现。其次,讨论了任务管理服务器如何管理多个任务以及与多个视频分析服务器节点代理模块之间的信息交互问题,任务管理服务器用于接收处理用户提出的智能分析任务,多个视频分析服务器节点组成了智能视频分析服务池,当用户需要进行智能视频分析时,任务管理服务器则从智能视频分析服务池中调取相应的分析资源。每个智能视频分析服务器节点中都含有一个通信代理服务模块和智能算法调度模块,对任务管理服务器发起的分析请求进行解析处理,并调用相关的智能分析算法进行智能分析,同时将计算结果通过流媒体转发服务器返回给最终用户。再次,阐述了智能视频分析服务器集群系统的各个模块的设计与实现,并给出了智能视频服务器集群负载均衡、可扩展性和可用性的设计方案,采用了相应的分析服务器集群负载均衡算法,解决了视频分析服务器的性能负载均衡问题。最后,对智能服务器集群的各个模块的实现进行了开发并对软件进行了测试,软件实现了视频分析服务器资源监测上报,视频分析任务的启动、关闭及挂起,视频分析任务的参数传递、分析结果返回(分析结果分为文本图片和实时编码码流)。经实际系统测试,本设计基本达到了预期的设计要求。

基于视频内容分析的火情早期预警方法研究

史玉坤

中国民航大学

来源详细信息

关键词： 火灾探测图像处理双波段红外视频区域生长法

摘要： 火灾是严重威胁人民生命财产安全的主要灾害之一。现阶段,国内外采用的火灾探测器主要由感温探测器和感烟探测器组成。在实际的应用场景中,这些探测器总是会受到距离、灰尘、湿度等外部条件因素的影响而不能有效工作。近些年来,随着图像处理芯片计算性能的快速提升和专用图形加速芯片的出现,基于视频的火灾探测技术逐渐吸引了越来越多的人研究。基于视频的火灾探测技术融合了计算机视觉、数字图像处理和模式识别相关技术,能在比较复杂的环境下自动识别场景中的火焰。针对早期火焰的物理特性,本文提出了一种基于红外和可见光双波段图像火灾探测系统。该算法主要包含三个部分:目标区域分割,特征分析和目标识别。首先,考虑到火焰在不同波段图像中表现出的不同特征,采用了不同的分割方法。在红外图像中,利用区域生长法分割出火焰目标区域;在可见光图像中,利用火焰的颜色信息和运动信息分割出火焰目标区域。然后,本文从静态特征和动态特征两方面来刻画火焰的视觉特征。最后,依据双波段的分析检测结果,形成综合判据来识别出真正的火焰区域。实验结果表明,本文提出的算法能够快速准确的检测出火焰。

基于双核DSP平台的智能视频分析算法及实现

张德善

河南工业大学

来源详细信息

关键词： 智能视频监控运动目标检测卡尔曼滤波跟踪目标行为分析 DM6467T

摘要： 随着计算机的迅速发展和图像处理技术的提高,图像处理技术在视频安防监控领域的应用越来越广泛,传统的监控系统往往通过人工实时监看画面或者查看录像文件来判别某个时刻出现的异常情况,进而锁定可疑目标,这种“被动”的“亡羊补牢”的方式往往十分繁重,而且不能对异常情况实时响应;为了克服传统监控系统的不足,智能监控系统应运而生,它采用全新的“主动”模式,不依靠人为的监控也能够对视频画面中的异常情况作出实时的响应,降低了人力成本,大幅的提升了视频监控系统的工作效率和准确性,因而获得了国内外研究人员的广泛关注。本文依据智能监控系统的当前研究现状,主要研究了以下几个方面:1.运动目标检测:对视频监控系统的目标进行智能分析的首要前提就是锁定目标,而锁定目标的方式往往通过目标检测算法来完成;目标检测是视频监控智能化的基础。目标检测的准确率决定了视频智能分析效果的好坏。目前比较经典的三类目标检测算法主要有光流法、帧间差分和背景差分;本文主要针对背景差分的不足之处,提出改进的高斯模型进行背景建模,对背景图像进行实时更新;并且引入金字塔算法,在保证一定检测精度的情况下对视频图像进行适当的压缩,降低数据的计算量;而且引入众数法,提取初始的背景图像;最后利用数学形态学法对检测到的前景目标进行去噪处理,并且利用亮度比较法去除运动目标的阴影。2.运动目标跟踪:目前卡尔曼跟踪算法是比较经典的运动目标跟踪算法;该算法采用递推方法来计算目标下一刻可能出现的位置;如果只是依据运动目标的某个特征点与卡尔曼的预测位置的关系来跟踪目标,那么当目标进入人群时,可能无法准确的跟踪目标。本文引入最大近邻距离(MCD)算法,将两者结合,改善了卡尔曼目标跟踪,当预测的位置与多个目标都非常接近时,还能准确的跟踪到目标。3.目标行为分析:主要实现的目标行为分析主要包括跘线、区域和遗留物检测。最后,引入双核DSP开发平台——DM6467T;努力改善传统智能行为分析的局限性。传统的智能视频分析是将前端摄像头采集到的图像传给终端设备,然后在终端设备上对视频序列进行智能分析;这种方法的局限性在于:对终端设备的性能要求比较高,而且一旦视频图像由于网络堵塞无法实时传到终端设备,会造成漏检。本文利用DM6467T,将目标行为分析算法在前端嵌入式平台上实现,并利用RTSP网络传输协议将实现效果通过网络传递给终端设备;改善了传统行为分析方式的局限性。

基于智能视频分析的人流量检测技术研究

韩田甜

解放军信息工程大学

来源详细信息

关键词： 智能视频分析人流量检测梯度方向直方图局部二值模式特征选择支持向量机可变形部件模型非极大值抑制

摘要： 智能视频分析技术自兴起以来就受到广泛关注,随着它的快速发展,现广泛应用于多个领域,如公共安全、城市管理等。它依托运动检测、特征匹配以及模式识别等前沿技术,常应用于视频监控方案中。人流量检测作为该技术的重要应用之一,有着极其广泛的应用需求,传统的红外传感器人流量检测方法因难以判断行人方向,无法实现人流量的精确检测,而基于智能视频分析的人流量检测采用视频图像处理技术自动实现对监控视频的人流量检测,不仅可以获取人数信息、判断行人方向,还能对人流量的突变情况做出及时预警,避免安全隐患,因此,开展基于智能视频分析的人流量检测技术研究具有重要的理论意义和应用价值。本文在深入分析现有基于运动分析的行人检测方法和基于统计学习的行人检测方法的优缺点的基础上,对如何根据特征分布特点对视频图像中的行人进行高效检测、如何改善滑动窗口搜索法造成的检测时间过长等问题进行研究。论文的主要工作和学术成果包括:1、简单介绍了基于智能视频分析的人流量检测技术的研究背景、应用需求。作为人流量检测技术的关键——行人检测,本文分别从理论研究和实际应用两个方面介绍了行人检测的研究现状,并对现有行人检测技术进行分类同时归纳了每种检测方法的优缺点。2、对基于运动分析的行人目标检测方法的基本原理进行描述,分别利用帧差法、光流法、背景差分法对一段视频进行行人目标检测,根据检测结果分析总结每种方法所适应的场景、检测复杂度、检测准确率等。3、由于基于运动分析的行人检测方法中存在“空洞”现象,如需判断检测到的目标是否是行人还需结合行人分类器进行识别,增加了检测时间,影响实时性,因此提出了基于统计学习的行人检测方法——改进HOG-LBP特征的行人检测。针对梯度方向直方图和局部二值模式特征维数高、冗余信息多,影响视频图像中行人检测速度的问题,首先通过对原有HOG(Histogram of Oriented Gradient)特征进行统计平均,结合单独最优特征组合和巴氏距离(Bhattacharyya)可分性判据选出最优特征,并与LBP(Local Binary Pattern)特征融合得到改进的HOG-LBP特征,然后利用常用机器学习方法——支持向量机对改进后的HOG-LBP特征进行训练获得分类器,最后利用该分类器进行行人检测。实验表明,所提方法在不影响检测准确率的情况下,特征提取的时间明显缩短,检测效率得到提升。4、针对单阶段行人检测过程中经典滑动窗口搜索法过多进行非目标窗口检测而导致检测速度不高的问题,提出了结合BING(Binarized Normed Gradients)预测和可变形部件模型识别的行人目标检测方法。该方法首先对图像进行预测快速得到疑似目标候选区域,并利用行人的先验知识和候选区域的得分对其进行筛选,然后将筛选后的候选区域送入经过参数优化的行人分类器进行识别,最后利用非极大值抑制算法对识别结果进行后处理得到行人目标的准确位置。实验结果表明,该方法的检测速度比单阶段行人检测提高了近4倍,可以实现对行人目标的高效检测。5、本文基于MFC设计一个人流量检测系统,主要针对不太拥挤的行人,对进出两个方向的行人计数,并实时显示人流量信息。实现过程由行人检测、行人跟踪、行人计数三部分组成,其中行人检测采用BING预测和DPM(Deformable Part Model)识别相结合的行人检测方法,行人跟踪采用结合Kalman滤波的mean-shift跟踪方法,行人计数采用绊线计数方法。最后,对本文工作进行了总结,并对基于智能视频分析的人流量检测技术的发展和研究进行了展望。

算法致胜,数据先行——智能视频分析的发展之路初探

卢维

浙江大华技术股份有限公司

来源详细信息