軌道交通智能視頻監(jiān)控中無主包裹檢測與行為理解.pdf

1、近年來,隨著行為理解研究的深入,無主包裹識別受到計算機視覺領(lǐng)域研究者的廣泛關(guān)注。特別是受恐怖襲擊的影響,對無主包裹的識別已成為各種公眾場合智能視頻監(jiān)控的迫切需求,在軌道交通行業(yè)中,其應(yīng)用同益廣泛。
　　本課題以上海市科委資助項目《基于嵌入式技術(shù)的軌道交通網(wǎng)絡(luò)化關(guān)鍵電子設(shè)備研究》(編號:06DZ15003)為背景,在分析了軌道交通環(huán)境下的智能視頻監(jiān)控需求的基礎(chǔ)上,結(jié)合圖像處理與模式識別技術(shù),開展對無主包裹的檢測與識別研究。
　

2、　本文提出了一個由RGB減除法、卡爾曼濾波、模板匹配和隱馬爾科夫模型等組合而成的處理方法,以實現(xiàn)無主包裹的檢測與識別,并針對實現(xiàn)過程中遇到的問題及難點提出了相應(yīng)的解決方法。在運動目標檢測與分割方面,通過對運動目標檢測算法進行的應(yīng)用研究與改進,并結(jié)合具體應(yīng)用環(huán)境的需要,提出改進RGB減除法檢測運動目標的方法,對運動目標進行分割與相關(guān)信息的提取,另外,針對檢測結(jié)果易受天氣、陰影影響的問題,研究了基于HSV顏色空間的陰影抑制的方法。在運動目標

3、跟蹤方面,為了能夠解決復(fù)雜環(huán)境下的跟蹤,本文采用了一種基于卡爾曼濾波的跟蹤方法。根據(jù)卡爾曼濾波理論建立了運動人體狀態(tài)預(yù)測模型,預(yù)測出運動人體矩形位置與人體檢測矩形進行匹配。在無主包裹識別階段,首先進行場景分析,其目的是為行為識別和行為理解提供先驗知識,減少識別難度。其次建立行為模型,結(jié)合目標檢測與分割中提取的信息對運動目標進行分類,然后定義各類的特征行為和無主包裹的預(yù)定義法則,并結(jié)合改進的隱馬爾科夫模型實現(xiàn)對無主包裹的識別;通過對隱馬爾