一種大場(chǎng)景監(jiān)控視頻實(shí)時(shí)智能摘要系統(tǒng).pdf

1、針對(duì)傳統(tǒng)視頻摘要方法處理大場(chǎng)景監(jiān)控視頻時(shí)面臨的目標(biāo)辨識(shí)度低下、處理速度慢等問(wèn)題，提出一種大場(chǎng)景監(jiān)控視頻實(shí)時(shí)智能摘要系統(tǒng)。該系統(tǒng)通過(guò)對(duì)場(chǎng)景目標(biāo)進(jìn)行實(shí)時(shí)地運(yùn)動(dòng)檢測(cè)和跟蹤，獲取目標(biāo)的大場(chǎng)景運(yùn)動(dòng)信息；通過(guò)對(duì)目標(biāo)軌跡進(jìn)行分析，控制攝像機(jī)運(yùn)動(dòng)，獲取目標(biāo)的近距離高清特寫(xiě)；最終形成具有高目標(biāo)辨識(shí)度的多粒度視頻摘要。
　　針對(duì)傳統(tǒng)混合高斯前景檢測(cè)算法運(yùn)算量偏大問(wèn)題，提出一種基于雙重背景模型的空間約束混合高斯前景檢測(cè)算法，并進(jìn)行實(shí)驗(yàn)分析。通過(guò)快速初始

2、化縮短模型的初始建立過(guò)程，提高摘要系統(tǒng)初始運(yùn)行或斷電重啟后的響應(yīng)速度；采用雙重背景模型機(jī)制，以自適應(yīng)背景減法的前景檢測(cè)結(jié)果作為混合高斯前景檢測(cè)的空間約束條件，降低模型在背景區(qū)域的冗余運(yùn)算；運(yùn)用多策略自適應(yīng)模型更新，提高前景檢測(cè)的準(zhǔn)確性。實(shí)驗(yàn)表明，與GMM、CodeBook、GMG、ViBe、MODGMM等算法相比，本文的前景檢測(cè)方法具有4倍以上的處理速度和更好的檢測(cè)準(zhǔn)確度。
　　結(jié)合前景檢測(cè)的結(jié)果，在保證摘要系統(tǒng)實(shí)時(shí)性的基礎(chǔ)上，提

3、出一種基于關(guān)聯(lián)矩陣的Camshift目標(biāo)跟蹤方法，并進(jìn)行實(shí)驗(yàn)分析。通過(guò)建立關(guān)聯(lián)矩陣，對(duì)場(chǎng)景中的目標(biāo)狀態(tài)進(jìn)行描述；針對(duì)不同的目標(biāo)狀態(tài)采用對(duì)應(yīng)的目標(biāo)跟蹤策略，當(dāng)目標(biāo)未發(fā)生交互時(shí)，僅使用關(guān)聯(lián)矩陣對(duì)目標(biāo)進(jìn)行跟蹤，當(dāng)目標(biāo)發(fā)生交互后，首先使用Camshift進(jìn)行目標(biāo)識(shí)別然后重新使用關(guān)聯(lián)矩陣對(duì)目標(biāo)進(jìn)行跟蹤。實(shí)驗(yàn)表明，本文的目標(biāo)跟蹤方法在大場(chǎng)景摘要系統(tǒng)中具有良好的性能表現(xiàn)。
　　提出基于目標(biāo)抓拍的多粒度視頻摘要方法，預(yù)測(cè)目標(biāo)在攝像機(jī)運(yùn)動(dòng)時(shí)的運(yùn)動(dòng)軌