关键词： 中间件   物联网   运动估计算法   摄像机   人群聚集   块匹配法   视频编码标准   智能视频分析   视觉分析   人群行为  

摘要： 随着城市化建设的加快,越来越多的人将生活在城市中,为了确保城市安全,在平安城市建设中部署了数目可观的监控摄像机,但是,如何识别哪些人群聚集可能危及公共安全呢?这个问题是困扰智能视频分析行业的一大难题。本文介绍深圳贝尔信公司构建对人群行为进行监测的智能视觉物联网系统。

关键词： 智能视频分析   智能识别   行为分析   高清监控  

摘要： 视频智能分析技术指计算机图像视觉分析技术，通过将场景中背景和目标分离进而分析并追踪在摄像机场景内出现的目标，具有多种不同的功能，在各行业行业中的应用非常广泛。

关键词： 智能视频分析   平安城市   高清  

摘要： 随着计算机技术、网络技术和集成芯片技术的发展,智能视频分析技术已经在工业检测、高速公路和铁路、印刷质量检测、医疗成像分析等行业有了较为成熟的应用,但在平安城市中一直因为监控环境复杂,厂商众多,没有统一的开放接口等问题未能广泛应用。文章以智能视频分析技术在平安城市中应用特点为切入点,总结智能分析的应用难点,结合笔者所参与的智能视频实际使用情况和经验,提出看法与建议。

关键词： 智能视频分析   云台   可变镜头   云台自动跟踪   镜头自动变倍  

摘要： 基于视频的云台镜头目标自动跟踪是智能视频监控中十分重要的研究领域。它改变了传统云台镜头跟踪目标需要人工实时操作键盘来控制云台转动和镜头变倍的方法,建立了云台自动跟踪模型和镜头自动变倍模型,从而始终将目标以合适的比例锁定在画面中心,以便于监控人员更直观的察看。 首先选定监控区域的目标进行跟踪,然后根据目标的运动状态信息,利用本文提出的云台镜头自动跟踪目标的算法,自动控制云台转动对目标进行实时的全方位跟踪,同时调节镜头的变倍,对目标的尺寸进行放大和缩小,使得目标始终以合适比例锁定在画面中心,最终实现基于视频的云台镜头目标自动跟踪。本文的主要研究工作内容有： (1)建立了目标的运动轨迹,设计出一种Kalman滤波器和Camshift算法相结合的方法对每帧图像中的监控目标进行锁定并记录其位置坐标,通过连接每帧的目标位置,建立起目标的运动轨迹。 (2)建立了云台自动跟踪模型。根据目标的运动轨迹,云台进行自动目标跟踪。当目标的水平移动距离和垂直移动距离都大于云台的最小转矩距离时,使用本文提出的阶梯转动规则,云台进行水平方向和垂直方向交替转动进行实时跟踪。当目标的水平移动距离小于云台的最小转矩距离,垂直移动距离大于云台的最小转矩距离时,云台在水平方向上不转动,只进行垂直方向的转动。当目标的水平移动距离和垂直移动距离都小于云台的最小转矩距离时,云台水平方向垂直方向都不转动。通过云台自动跟踪模型,系统将目标实时锁定在画面中央。 (3)建立了镜头自动变倍模型。规定目标在画面中一个合适的面积尺寸,若目标在画面中尺寸与合适尺寸的差值绝对值超过规定的面积闽值,则镜头需要变倍。计算两者的比值,根据镜头此时倍数,得出镜头需要调整的倍数。按照镜头的倍数变化曲线,计算镜头需要变倍的时间,从而拉近或推远镜头至该时间,完成镜头的自动变倍。通过镜头自动变倍模型,使得监控目标始终以合适的尺寸显示在画面中。 (4)程序实现了云台镜头自动跟踪目标算法,通过在云台镜头可变监控系统平台上,对多组视频中的运动目标进行了跟踪,验证了本文基于视频的云台镜头目标自动跟踪算法的有效性。

关键词： 视频内容分析   时空切片   变化直方图描述子   扩散式协同训练   多模态特征  

摘要： 随着互联网和多媒体技术的不断发展,网络视频已经成为了网络用户获取信息、学习知识和娱乐休闲的最主要的方式之一。在此背景下,近年来视频内容分析成为了计算机视觉领域中的研究热点之一。视频内容分析算法,是从图像内容分析引申发展而来,旨在为了让计算机自动地对输入视频进行内容分析,从而理解视频内容的语义,达到分类和检索的目的。视频内容分析算法在医学医疗,安全控制,军事科技等领域都有着广泛的应用背景。 本文着重研究视频内容分析方法,在视频特征提取、语义标记和分析架构方面做出一定量的创新性工作。首先在特征提取方面,提出了一种新的针对视频内容自动识别与分类的特征——空时变化程度直方图描述子,简称变化直方图描述子(Variation Histogram Descriptor)的构建方法,实现对视频内容语义进行快速、准确地识别与分类。该方法首先引入了已有的视频时空切片的概念,然后具体给出了适用于该算法的关键网格来获取时空切片,同时详细定义了在时空切片上构造视频变化程度直方图描述子的实现步骤。该算法区别于从关键帧中提取视频的内容特征,而是充分考虑了视频在时间上和空间上的变化程度,对以镜头为单位的整段视频进行分析;特征提取的过程不依赖于视频的关键点,因此特征提取的时间消耗不随视频复杂度的提高而增加。实验部分证明这种时空特征能更全面地描述视频在时间和空间上的内在关系,对人物具体运动达到准确地分类,与同类算法进行对比,在时间消耗和分类准确率方面均表现出了更良好的性能。同时,该算法联合音频特征能对各类语义达到一个比较理想的分类效果。 在语义标记方面,本文应用了半监督学习的方法实现了对网络视频数据的标记。本文的半监督学习方法是一种基于标准协同训练方法的改进,适用于视频库大小动态变化的情况,该方法称为扩散式协同训练算法(Pervasive Co-training Method)。与此同时,在分析架构方面,本文设计并应用一种基于多模态特征的网络视频过滤方法,实现对网络视频的安全监管。该方法对从网络视频中提取三大类的视频特征,分别针对音频特征、运动和颜色以及空间和时间特征,递进地对视频进行过滤。通过对视频中不良场景的定义,包括恐怖、暴力和色情语义,以检测网络视频内容中潜在的不良信息。实验证明该方法有效地提高了不良视频检测和分类的准确率。

关键词： 铁路安全   视频分析   入侵检测   识别和分析  

摘要： 铁路运输兼顾货运和客运,是关乎国计民生的运输大动脉。目前由于火车还不能做到全封闭状态下的运行,往往有可能导致铁路事故的发生。因此如何及时、高效地发现入侵行为并实时做出有效反馈成为了防护铁路安全、降低铁路事故发生危险的技术性难题。随着视频监控系统在铁路安全防护领域的广泛应用和计算机视觉技术的飞速发展,使基于智能视频分析的铁路入侵检测系统开发成为了可能。该系统的应用将在一定程度上降低铁路事故发生,保护铁路运输安全。 本文分析了铁路入侵检测系统需求,利用基于智能视频分析的物体识别和运动检测的原理设计了系统结构。 以实验为依据,文章提出了采用适合于铁路应用的Codebook模型进行背景建模的方法；与此同时为了克服传统的帧差法和统计像素法等运动检测方法的缺陷,论文综合了两种方法的优点,创新性地提出了一种基于图像块累积的运动检测算法。并利用基于Kalman滤波器的运动跟踪算法实现了对运动目标跟踪与标识。 最后,设计开发了基于OpenCV (Open Source Computer Vision Library)视觉库的铁路入侵检测系统,系统能初步实现对铁路入侵的识别和分析,并能够对入侵行为做出报警。

关键词： 运动目标检测   自动检测   视频信号   目标跟踪   IVE   自动测试   智能视频   智能视频分析   引擎   图像比较   形态学算子   运动目标分类   周界防范  

摘要： 一、引言安防监控正在步入高清化、智能化的时代,基于此,海思推出的Hi3516正是针对高清IP Camera的一款专业高端SOC芯片,除了1080p@30fpsH.264多码流编码、优异的ISP和编码视频质量优势外,其高性能的智能视频分析加速引擎和基于此的智能视频分析集成应用更是该产品的一大亮点。

关键词： 智能视频   监控技术   应用  

摘要： 智能视频监控技术是基于图像处理、模式识别的新型视频监控技术。简而言之，就是发现图像中运动的物体，并对其跟踪、分析，及时发现'异常'行为，触发报警并采取其他措施进行干预。本文就智能视频监控技术在港口中的应用，进行了详细的阐述。

关键词： 智能视频分析   智能分析技术   目标检测   目标跟踪   南京   江苏   人脸识别   摄像机   背景颜色  

摘要： 智能分析是视频管理的重要手段。但是,智能视频分析技术在实际应用中也有一些难点。相信随着技术的发展和成熟,未来该技术必然会更加稳定,更好地服务于智慧城市建设。

关键词： 智能视频分析   目标跟踪   DSP算法优化   DM6437   DM8168  

摘要： 当前世界处于一个信息爆炸的时代，如何从海量的数据特别是视频数据中提取有用的数据成为一个巨大的挑战，因此智能视频分析技术便应运而生。目标跟踪技术作为智能视频分析中的一个基本技术，引起了学术界以及工业界都了广泛的关注。本文重点关注目标跟踪算法的研究与实现，介绍了目标跟踪算法在智能视频分析中的应用，阐述了目标跟踪算法的基本任务与类别，并归纳了目标跟踪算法的一般流程，介绍了目标跟踪算法的最新发展动态。 智能分析技术需要高效的视频输入输出端口，以及强大的数据处理能力。TI推出的DavinciTM系列DSP芯片正好切合了上述需求。作者参与开发了基于TI的DavinciTM系列DSP芯片的两代视频分析系统的开发。第一代系统以DM6437DSP为核心，基于DSP/BIOS构建了视频捕获、处理、目标跟踪算法以及与PC端GUI界面交互的一个总体软件构架。第二代系统基于DM8168SoC为核心，基于Linux、SYS/BIOS、DVRRDK以及McFW构建了一套视频处理系统，由ARM核负责视频的捕获显示、压缩编码、存储控制等功能，由DSP核来运行智能视频分析算法，实现了多个ARM核与DSP核的协同工作。本文从硬件平台的实现、软件功能构建两个方面介绍了这两代视频分析系统。 基于上述研究，作者选择了目标跟踪领域的两种经典算法Mean Shift和粒子滤波两种算法在C64x+DSP核上进行实现，并针对C64x+和的硬件特点对算法进行了优化。在不降低目标跟踪准确性的同时，将算法的运行速度提高了6倍以上。并将上述算法嵌入实际的硬件平台，实现了一个带目标跟踪功能的智能分析系统。本文详细介绍了两种算法的优化与实现过程，并总结归纳了算法研究与实现的四个步骤，介绍了算法从理论研究阶段转向在具体硬件平台上优化实现的原理、工具以及方法。