【摘要】：校園安防是學(xué)校的一項(xiàng)重要工程,安防監(jiān)視系統(tǒng)作為校園安防的重要一份子,越發(fā)展越得到學(xué)校的重視。因?yàn)槎嗝襟w處理辦法、網(wǎng)絡(luò)處理辦法不斷進(jìn)步,安防監(jiān)視系統(tǒng)越來越智能化和網(wǎng)絡(luò)化。在海量的監(jiān)控視頻數(shù)據(jù)中,用戶只需要提取少量的有用信息,或只需提取關(guān)鍵事件的信息,而這些事件只是小概率事件。如何通過數(shù)量龐大的數(shù)據(jù)得到自己想要的信息,或者說如何實(shí)現(xiàn)對已發(fā)生事件的智能監(jiān)控,成為安防監(jiān)視系統(tǒng)的一個(gè)新的研究前進(jìn)方向。隨著運(yùn)動(dòng)目標(biāo)檢測和跟蹤算法的應(yīng)用,把安防監(jiān)視從靜態(tài)的、事情過后才拿來尋找證據(jù)變成動(dòng)態(tài)的、實(shí)時(shí)報(bào)警的。為此,根據(jù)學(xué)校的實(shí)際情況和使用需求對校園安防監(jiān)視報(bào)警系統(tǒng)進(jìn)行了設(shè)計(jì)和開發(fā),具體工作包括:1、構(gòu)建了一個(gè)校園安防監(jiān)視報(bào)警系統(tǒng)的總體架構(gòu)。通過對目前安防監(jiān)視報(bào)警系統(tǒng)的新技術(shù)進(jìn)行學(xué)習(xí),結(jié)合學(xué)校的實(shí)際需求,最終形成了一個(gè)完整且合理的校園安防監(jiān)視報(bào)警系統(tǒng)框架。2、在校園安防監(jiān)視報(bào)警系統(tǒng)的報(bào)警模塊,探索了優(yōu)化的混合高斯模型物體查找計(jì)算方法。這種計(jì)算方法運(yùn)用背景差分法來查找運(yùn)動(dòng)的物體,利用優(yōu)化的混合高斯模型實(shí)現(xiàn)對背景圖片的重構(gòu),明顯的提升運(yùn)動(dòng)目標(biāo)檢測的識(shí)別精度,使以往監(jiān)控只存儲(chǔ)音頻錄像卻不會(huì)自己報(bào)警的情況放生了改變,這讓安防監(jiān)視系統(tǒng)成為可以為學(xué)校當(dāng)班的保衛(wèi)人員提供實(shí)時(shí)的報(bào)警消息,明顯的提高了校園的安防應(yīng)急處理能力。3、校園安防監(jiān)視報(bào)警系統(tǒng)的設(shè)計(jì)與開發(fā)。第一件事要分析我們設(shè)計(jì)這套系統(tǒng)的目的,確定我們設(shè)計(jì)系統(tǒng)的方向,接著設(shè)計(jì)的準(zhǔn)則,最后根據(jù)系統(tǒng)需求分析給出系統(tǒng)的功能模塊設(shè)計(jì)。這套安防監(jiān)視系統(tǒng)可分為五個(gè)部分:預(yù)覽模塊、云臺(tái)控制模塊、回放模塊、報(bào)警模塊、系統(tǒng)功能設(shè)置模塊等。校園安防監(jiān)視報(bào)警系統(tǒng)的設(shè)計(jì)和開發(fā),實(shí)現(xiàn)了對監(jiān)控視頻數(shù)據(jù)的保存、異常事件的報(bào)警。通過該系統(tǒng),可以實(shí)時(shí)查看學(xué)校的監(jiān)控視頻資料,對聯(lián)網(wǎng)范圍內(nèi)的校園云臺(tái)、攝像機(jī)等前端設(shè)備進(jìn)行控制,實(shí)時(shí)監(jiān)控校園的各個(gè)區(qū)域。該系統(tǒng)的開發(fā)有效地提高了監(jiān)控效率,節(jié)約了建設(shè)成本,具有較好的實(shí)用價(jià)值。同時(shí),對于運(yùn)動(dòng)目標(biāo)檢測問題的研究,具有一定的理論價(jià)值。
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：G474;TP277
【圖文】：

圖 2.2 混合高斯模型圖示圖 2.2 中的（a）表示所有樣本數(shù)據(jù)，（b）表示已經(jīng)明確了樣本分類。對于所示的情況，很明顯，單高斯模型是無法解決的。為了解決這個(gè)問題，人了混合高斯模型（GMM），顧名思義，就是數(shù)據(jù)可以看作是從數(shù)個(gè)高斯分成出來的。雖然我們可以用不同的分布來隨意地構(gòu)造，但是 GMM 是最為流混合高斯模型是指用一個(gè)像素點(diǎn)的像素值的分布情況可以用多個(gè)高斯分同描述，而且其灰度值的分布也可以用多個(gè)高斯分布來描述。設(shè)一個(gè)像素點(diǎn)的像素觀察值為{X1，…，Xt}，則當(dāng)前像素值的概率可表示, , ,1( ) ( , , ) Kt i t t i t i tiP X w X （2其中，K 高斯分布的個(gè)數(shù)，體現(xiàn)像素值的分布情況，ωi， t意思是在 t 這點(diǎn)的第 i 個(gè)高斯分布權(quán)值,1( 1)Ki tiw ，μi，t表示第 i 個(gè)高斯分布的中間值， 第 i 個(gè)高斯分布的協(xié)方差矩陣，第 i 個(gè)高斯分布函數(shù), ,( , , )t i t i t X 表達(dá)式為

（1）每個(gè)像素點(diǎn)都建立多個(gè)固定的高斯分布，在處理時(shí)會(huì)消耗大量的系統(tǒng)資（2）對于大而慢的運(yùn)動(dòng)目標(biāo)檢測效果較差，會(huì)造成運(yùn)動(dòng)目標(biāo)缺失部分輪（3）光照條件下運(yùn)動(dòng)物體的陰影不容易消除，運(yùn)動(dòng)目標(biāo)的內(nèi)部存在較多的”，這樣會(huì)影響識(shí)別精度。改進(jìn)后算法優(yōu)勢：（1）有效減少了高斯分布。采用改進(jìn)后混合高斯模型目標(biāo)檢測算法與經(jīng)典混合高斯模型算法對比，少了高斯分布；（2）增強(qiáng)大而慢的運(yùn)動(dòng)目標(biāo)檢測精度，較為完整地檢測出運(yùn)動(dòng)目標(biāo)輪廓（3）有效消除運(yùn)動(dòng)目標(biāo)的陰影部分, 避免運(yùn)動(dòng)目標(biāo)的內(nèi)部存在較多的“空象，提高了目標(biāo)檢測精度。采用改進(jìn)的混合高斯模型的目標(biāo)檢測算法進(jìn)行實(shí)驗(yàn)分析，實(shí)驗(yàn)環(huán) 境008，采用 c#編寫。經(jīng)典算法初始化設(shè)置為 K 5、 u0 0 、 0 0 、20 用本文算法初始化時(shí)， K 3、 K0 5、 20，取圖像序列視頻 walk 算法測試。如圖 3.1 所示。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳星明;廖娟;李勃;陳啟美;;動(dòng)態(tài)背景下基于改進(jìn)視覺背景提取的前景檢測[J];光學(xué)精密工程;2014年09期

2 余燁;曹明偉;岳峰;;EVibe:一種改進(jìn)的Vibe運(yùn)動(dòng)目標(biāo)檢測算法[J];儀器儀表學(xué)報(bào);2014年04期

3 李旭;徐貴力;程月華;王彪;田裕鵬;李開宇;;一種基于像素抽樣建模的車輛目標(biāo)提取方法[J];計(jì)算機(jī)與現(xiàn)代化;2014年03期

4 蘇延召;李艾華;姜柯;金廣智;;改進(jìn)視覺背景提取模型的運(yùn)動(dòng)目標(biāo)檢測算法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2014年02期

5 頡軼萍;嚴(yán)麗娜;閻婷;;基于物聯(lián)網(wǎng)的學(xué)校安防設(shè)計(jì)[J];現(xiàn)代電子技術(shù);2012年20期

6 袁紅照;李綱;楊軍;高志升;;基于隨機(jī)樣本的背景建模方法[J];四川大學(xué)學(xué)報(bào)(工程科學(xué)版);2012年S1期

7 徐衛(wèi)星;王蘭英;李秀娟;;一種基于OpenCV實(shí)現(xiàn)的三幀差分運(yùn)動(dòng)目標(biāo)檢測算法研究[J];計(jì)算機(jī)與數(shù)字工程;2011年11期

8 王年;丁業(yè)兵;唐俊;鮑文霞;;帶寬自適應(yīng)的Mean Shift目標(biāo)跟蹤算法[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年10期

9 何寧遠(yuǎn);;平安校園安防預(yù)警系統(tǒng)整合方案出臺(tái)[J];物聯(lián)網(wǎng)技術(shù);2011年08期

10 馮華文;龔聲蓉;劉純平;;基于改進(jìn)高斯混合模型的前景檢測[J];計(jì)算機(jī)工程;2011年19期

本文編號(hào)：2714452