关键词： 视频监控   出入口   场合   智能监控系统   智能视频分析   面部特征  

摘要： 视频监控的威慑力和事后还原力,在各行业的实际应用中,已经得到了很好的见证。但如何让监控更具威慑力,让监控起到防范于未然的作用,如何做到"道高一丈"呢?例如在车水马龙的闹市区如何看清一个人的面部特征;在繁忙的公路上如何看清楚车辆牌照的同时看清楚司乘人员的面部特征;在拥挤喧闹的地铁、停车库的出入口体育场馆等场合,如何能够迅速准确的找到目标;如何在监控区域智能识别不安全因素并启动防范预案?这些需求正激烈地敲打着安防行业的神经,促进了安防技术不断创新。

关键词： 智能视频监控   运动目标检测   Hausdorff距离   LBP纹理特征  

摘要： 随着平安城市、智慧城市等概念的提出,智能视频监控逐渐成为了备受关注的热点课题。智能视频监控在不需要人为干预的情况下,通过运动目标检测、目标识别、跟踪及目标行为分析等步骤,对视频序列进行实时、自动的处理和分析,得到对视频内容的理解和解释,从而指导相应的预警及行动规划。近年来智能视频监控系统逐渐应用到园区安防、金融、交通等多个领域。 本文主要研究智能视频监控中视频运动目标的检测。首先总结归纳当前运动目标检测存在的各种问题,如实时性检测问题,光照变化问题等。然后对运动目标检测方法进行综述,介绍了运动目标检测技术中经典方法及其改进方法,分析了各类方法的优缺点。在此基础上,根据视频相邻帧间存在时间连续性及视频帧内像素点间存在高度结构化的空间联系,本文融合视频帧的时间和空间关系,提出了两种融合背景差分法和帧间差分法的改进算法,分别是基于自适应分块和Hausdorff距离的检测方法及基于自适应分块和LBP纹理的检测方法。 两种方法都是在对图像自适应分块的基础上,充分利用像素邻域之间的关系,避免对单个像素进行操作,减少单个噪声的干扰及大量的运算。其中,方法一为了避免噪声的影响和提高检测速度,借鉴图像匹配思想,引入相邻帧对应分块间的Hausdorff距离计算,并对Hausdorff距离计算方式进行改进,通过对应分块的部分Hausdorff距离来获得其相似度,作为区分前景与背景的依据；方法二为了应对光照变化带来的影响,引入LBP纹理分布算子,计算相邻帧对应块间的纹理直方图的相似度,用来判断相邻帧对应分块的相似性大小,作为判断前景与背景的根据。 实验结果表明,与传统的背景差分法相比,改进后的方法具有更好的检测效果及检测效率。其中方法一对图像进行自适应分块且只计算部分Hausdorff距离,检测速度提高,能达到实时处理的要求；方法二引入LBP纹理特征,由于LBP纹理特征的灰度不变性,该方法在光照发生变化时能取得较好的检测效果。

关键词： 杭州   分析算法   智能分析   浙江   智能视频分析   智能安防   英特   视频监控   海量信息   车牌识别   智能识别系统   解决方案   编解码  

摘要： 在视频监控飞速发展的今天,视频监控画面的海量信息大大超过了人力有效处理的范围已经成为客观事实。因此,对智能视频分析的需求是视频监控发展到一定阶段后必然的产物,它能很好地缓解传统视频监控中海量信息冗余的问题。经过了几年的技术研究与市场开拓,智能视频分析对人们来说已不再陌生。从业人数的增加、企业数量的攀升、技术的不断提高,带动了国内智能视频产业的发展。而来自杭州的智诺英特科技有限公司在今年的北京展会上,向观众

关键词： NVR   客流分析   高清   视频摘要   视频监控系统   智能视频分析   视频质量  

摘要： 高清技术对于NVR市场的迅速崛起是一个不可或缺的动力。近两年,高清NVR销量的成倍增长就是最有力的证据,而有了高清这个基础之后,智能视频分析就顺理成章的紧随其后,成为另一项业界关注的技术焦点。因为我们知道,不仅是NVR,智能视频分析技术对于整个安防产业来说的意义都是重大的,它把人从海量的视频浏览中解放出来,真正实现了人防到技防的革命性转变,因此,所有安防视频产品厂商都对智能技术给

关键词： 监控平台   智能视频分析   视频智能分析   用户表示层   设备级   前端设备   数据传输  

摘要： 监控平台的智能化表现一直是技术攻克难题。由于智能视频分析技术对于监控实战作用的大幅提升,也吸引业界人士广泛关注。用户始终是觉得智能化监控平台的功能开发贴近用户才有其应用价值。

关键词： 目标跟踪   智能视频分析   TMS320DM8168   多特征融合   结合运动检测的目标跟踪  

摘要： 当今世界是一个大数据的时代,智能视频分析扮演着重要的角色,目标跟踪作为智能视频分析中的关键技术之一,具有重大的学术研究价值和广泛的应用前景。本文将重点研究目标跟踪算法的改进与实现,介绍经典的目标跟踪算法并分析其缺陷,提出改进思想,最后在硬件上实现并优化。首先,作者参与基于TMS320DM8168智能视频分析系统的硬件系统开发,系统在硬件资源上支持多路视频处理以及标清和高清输出;同时基于McFW构建了一套智能视频目标跟踪软件开发框架,能够对单个或者多个目标进行跟踪处理。其次,对目标跟踪算法中经典之作——均值偏移算法进行学习,介绍算法在目标跟踪中的应用,由于其计算量小、容易实现成为本文的首选。由于经典均值偏移跟踪算法仅仅使用颜色作为目标描述的单一特征,在处理目标与目标、目标与背景之间颜色相近问题时,容易造成定位误差,甚至跟踪丢失,为此讨论两种融合方式下的多特征融合算法,给出基于纹理和颜色结合的均值偏移目标跟踪算法,对多种场景下的视频序列进行仿真,证实线性融合方式的算法在颜色相近问题上跟踪性能更好,同时融合算法相较传统基于颜色的均值偏移算法在光照、遮挡、快速移动方面更具备鲁棒性。然后,作者对传统均值偏移目标跟踪算法在长时间跟踪中影响稳健性的因素进行分析,结合运动检测给出改进策略。如在目标模型的建立中,会受到背景像素的影响,利用运动检测的二值图结果使目标模型最大程度表征目标特征,从而目标的定位更准确。在长时间的目标跟踪中,目标会发生尺度、姿态变化以及遮挡、消失重现的状态,为此给出运动检测和目标跟踪相结合的思想,适时地更新目标的模板,同时对于目标从视野消失,利用检测判断目标是否会再现。这些策略使得目标跟踪算法在长时间的跟踪中,准确度和稳健性有所提高。最后,对改进的基于纹理和颜色的多特征融合的均值偏移目标跟踪算法,在硬件系统上实现,给出算法的优化方法,并进行时间评估,在保证跟踪精度的同时,提高算法的运算速度,达到实时处理。为了使视频目标跟踪系统更具备智能化,从硬件的实现上给出单个目标和多目标跟踪实现,可以对场景中出现的多个目标进行跟踪,进而为后续更高级的行为识别以及应用奠定基础。

关键词： ATM   视频设备   智能检测   设计  

摘要： 传统的ATM视频监控设备的主要功能是对监控区域进行录像,并将保存的视频文件作为解决纠纷、破获案件的取证依据。这种监控模式会产生大量冗余的视频信息,浪费大量的存储资源,同时还会为后续的排查工作带来困难,往往会错过解决事件的最佳时期。对此,文章以当前国内外的智能视频监控技术为基础,对ATM智能视频设备进行了进一步分析和设计。

关键词： 火车站   视频   昆明   暴力   铁路车站   云南   智能视频分析   安保系统   人脸比对   反恐   防恐  

摘要： 昆明火车站严重暴力恐怖事件向我们敲响火车站反恐怖袭击的警钟。监控系统需要完善图像智能分析等技术应用,从而提升对火车站视频安保系统在面对恐怖袭击时的预警和防范效能。昆明火车站发生严重暴力恐怖案件3月1日晚,昆明火车站发生严重暴力恐怖案件,一群暴徒手持长刀,从站前广场到临时候车室、临时售票区、第一售票大厅,一路砍杀而来,惊慌失措的旅客纷纷被砍倒下。当公安

关键词： 车辆识别   HOG特征   SVM  

摘要： 本课题的出发点是基于现有的、已经覆盖全市几乎所有交通路口、停车场等各类现有视频监控系统，利用路口等处的大量监控探头所提供的视频，运用视频和图像处理分析技术，实现对某些特定车辆的自动识别方法的研究探讨，再通过监控视频的联网，实现对某些特定车辆的位置和行车轨迹等信息进行记录和查询，为某些特定的业务工作快速确定和定位某些特定车辆提供技术手段。 本文通过对图像预处理、目标特征提取、分类器及其训练方法等车辆检测识别所涉及的技术进行研究，在对车辆目标特征的提取方法做比较分析基础上，选取HOG特征作为面包车等车辆的识别特征；然后,就目前通用的目标分类器及其训练方法做分析，通过比较各自的优缺点，再结合面包车等目标对象的特征，选取SVM作为分类器进行分类训练,实现了对面包车等车辆的自动检测识别；论文对现有基于梯度方向直方图（Histograms of Oriented Gradients，HOG）特征在灰度域中提取的方法进行了改进，将颜色特征同HOG特征进行融合,使目标识别的特征中含有颜色信息，并结合视频的多角度识别处理方法，增强目标识别的准确率;最后,利用自主采集的实际监控视频序列,对所提方法进行了实验验证;实验的统计结果验证了算法的有效性。 本文主要研究内容如下： 1、对基于视频的车辆识别算法的研究学习。通过对HAAR-LINK、边缘检测法和基于梯度方向直方图（HOG）等基于视频的车辆算法的学习，比较不同算法优点和适用领域。 2、通过对基于梯度方向直方图（HOG）算法的深入研究，阐述本课题利用该算法结合颜色分析实现对车辆轮廓进行提取，实现对某类特则车辆识别和管理。 3、利用基于梯度方向直方图（HOG）算法，实现对视频中的面包车进行识别，证明基于智能视频的车辆识别系统在实际工作中的应用。

关键词： 特征提取   特征匹配   交接跟踪   双目测距   DSP实现  

摘要： 随着科技日新月异的发展,人们对于智能视频分析的智能化要求在不断提高。多摄像头监控更加广阔的范围,能够克服单摄像头监控范围有限的缺点,于是多摄像头的监控逐渐受到重视。本文着重从视频分析的两个应用系统进行研究,包括无重叠区域目标的交接跟踪和有重叠区域目标的双目立体视觉测距,为后续更高级的智能行为分析打下基础。二者都需要对目标特征匹配算法进行研究,所以实现更加快速、准确的匹配是实现交接跟踪和双目测距的前提。整个课题的研究工作包括:首先对经典的两大类特征提取算法进行了研究,包括基于角点特征提取算法和基于尺度不变的特征提取算法。角点特征包括Harris、SUSAN和CSS,基于尺度不变的特征包括SIFT和SURF。本文对这些算法进行了介绍,然后对这些特征提取算法进行仿真、分析和对比,从而得出各个算法的优缺点。SURF算子以其对光照、旋转以及尺度变化等保持不变的优点,最终选择作为实现交接跟踪和目标测距的特征匹配算法。然后重点研究了特征匹配在目标跟踪上的应用。多摄像头下实现对目标的识别,即在不同摄像机视野里实现对同一目标的交接跟踪,以及每个摄像头下尺度自适应的Mean Shift跟踪。通过SURF特征和颜色特征融合并不断进行特征学习,剔除不稳定的SURF特征点,并对比SURF特征相关性找到另一视野里的目标,实现多摄像头下目标的交接跟踪;通过目标特征匹配计算视频图像两帧间的仿射变换矩阵得到尺度因子,使用尺度因子修正目标跟踪窗口,实现目标的尺度自适应跟踪。最后研究特征匹配算法在双目立体测距上的应用。搭建基于双摄像头的双目立体测距系统,对摄像机进行标定,实现目标的测距。