基于視頻分析的智能視頻監(jiān)控系統(tǒng)的研究與設(shè)計(jì).pdf

1、智能視頻監(jiān)控是在不需人為干擾的情況下，計(jì)算機(jī)對(duì)監(jiān)控器傳輸?shù)男畔⑦M(jìn)行分析處理。它涉及到很多學(xué)科，包括計(jì)算機(jī)科學(xué)，模式識(shí)別，計(jì)算機(jī)視覺(jué)等。隨著計(jì)算機(jī)硬件、軟件、網(wǎng)絡(luò)的發(fā)展，給智能監(jiān)控提供了新的發(fā)展機(jī)遇。人工監(jiān)控，在很多領(lǐng)域，既費(fèi)人力，也不現(xiàn)實(shí)。隨著國(guó)家提出的三網(wǎng)合一，建立基于網(wǎng)絡(luò)的監(jiān)控平臺(tái)成為一種發(fā)展趨勢(shì)。計(jì)算機(jī)智能監(jiān)控不僅在實(shí)際中有很重要的應(yīng)用，而且在理論上也具有重大的研究意義。
　　本文研究了智能監(jiān)控的若干關(guān)鍵技術(shù)，提出了用HTM

2、解決傳統(tǒng)跟蹤算法的容錯(cuò)性低、時(shí)間復(fù)雜度大等問(wèn)題。HTM(Hierarchical Temporal Memory)是Jeff Hawkins等人于2007年提出的在人工智能領(lǐng)域的一項(xiàng)新的理論框架和技術(shù)。HTM網(wǎng)絡(luò)中引入了時(shí)間和層次結(jié)構(gòu)。它具有堅(jiān)實(shí)的神經(jīng)生理學(xué)、數(shù)學(xué)、計(jì)算機(jī)科學(xué)基礎(chǔ)和非常廣闊的應(yīng)用前景，尤其是在計(jì)算機(jī)視覺(jué)相關(guān)的方面具有非常重要的研究和應(yīng)用價(jià)值。
　　本文的的主要工作有以下五個(gè)方面：
　　1．深入研究智能視頻監(jiān)控

3、的若干關(guān)鍵技術(shù)，包括目標(biāo)的檢測(cè)、跟蹤以及行為的理解的常用經(jīng)典算法，以及這些算法的優(yōu)缺點(diǎn)。
　　2．分析目標(biāo)檢測(cè)中的傳統(tǒng)高斯混合模型，提出對(duì)高斯模型的改進(jìn)。用改進(jìn)后的高斯混合模型作為目標(biāo)的檢測(cè)算法。
　　3．深入研究HTM網(wǎng)絡(luò)的基本理論，它的樹狀層級(jí)結(jié)構(gòu)，節(jié)點(diǎn)的結(jié)構(gòu)，分析時(shí)間因素的影響，并研究網(wǎng)絡(luò)的學(xué)習(xí)和推理算法。
　　4．提出用HTM網(wǎng)絡(luò)做目標(biāo)跟蹤，并且分析在基于HTM網(wǎng)絡(luò)的系統(tǒng)中影響性能的關(guān)鍵因素。
　　5．設(shè)