視頻智能行為分析的關(guān)鍵技術(shù)研究及應(yīng)用.pdf

1、隨著平安城市的大力推廣以及智能監(jiān)控系統(tǒng)的普及，以視頻為主的多媒體信息需求日益增加。面對日益增長的監(jiān)控視頻，實現(xiàn)對其智能化的分析變得越來越重要。因此研究實現(xiàn)視頻智能行為分析具有重要的理論意義和實際應(yīng)用價值。
　　本文以監(jiān)控場景為研究對象，著重研究了視頻智能行為分析的關(guān)鍵技術(shù)，包括背景建模技術(shù)、運(yùn)動目標(biāo)檢測和跟蹤技術(shù)，在上述關(guān)鍵技術(shù)基礎(chǔ)之上對視頻智能行為分析在實際中的應(yīng)用進(jìn)行了研究，實現(xiàn)了對監(jiān)控視頻進(jìn)行行人檢測和遺留物檢測。最后實現(xiàn)了

2、一個視頻智能行為分析平臺系統(tǒng)。本文工作主要體現(xiàn)在以下四個方面：
　　1.實現(xiàn)了基于混合高斯模型和Codebook模型的背景建模?；旌细咚鼓Ｐ突贓M原理，通過建立多個高斯模型，對輸入像素點進(jìn)行匹配比較來判斷是否為背景點；Codebook模型對每個像素點建立一個碼字，碼字通過不斷的學(xué)習(xí)來實時建立背景模型。實驗證明兩者都能夠在復(fù)雜的環(huán)境中建立良好的背景模型，但是Codebook模型相比混合高斯模型計算速度更快、內(nèi)存占用更小。
　

3、　2.實現(xiàn)了Kalman和Blob相結(jié)合的目標(biāo)跟蹤技術(shù)。該方法利用Kalman濾波器預(yù)測目標(biāo)在下一幀中的位置，在該預(yù)測區(qū)域附近進(jìn)行Blob匹配，避免了全局搜索，減少計算量。實驗證明，該方法有較高的目標(biāo)跟蹤準(zhǔn)確率。
　　3.實現(xiàn)了基于HOG特征和SVM相結(jié)合的方法來對行人進(jìn)行檢測。通過提取的HOG特征向量集進(jìn)行訓(xùn)練得到分類器，再用Blob標(biāo)記視頻序列的前景目標(biāo)，只對Blob區(qū)域進(jìn)行行人檢測從而避免對整幀進(jìn)行 HOG特征提取，降低了計