本文選題：視頻分析技術(shù)　切入點(diǎn)：視頻動(dòng)靜態(tài)切分　出處：《華僑大學(xué)》2017年碩士論文

【摘要】：隨著視頻監(jiān)控體系的日漸壯大,監(jiān)控視頻的內(nèi)容也在呈指數(shù)級(jí)的增長(zhǎng),如何高效的管理、查看和檢索這些視頻內(nèi)容成為一個(gè)急需解決的問(wèn)題。小區(qū)監(jiān)控視頻存在圖像質(zhì)量差,光照變化大,設(shè)計(jì)要求經(jīng)濟(jì)實(shí)用等特點(diǎn),本文主要針對(duì)小區(qū)監(jiān)控視頻分析中采用的前景檢測(cè)、多目標(biāo)跟蹤和圖像檢索技術(shù)進(jìn)行了研究和改進(jìn),并對(duì)這些技術(shù)在真實(shí)小區(qū)監(jiān)控視頻上進(jìn)行實(shí)驗(yàn)對(duì)比,主要研究?jī)?nèi)容包括:(1)由于視頻圖像存在較多噪聲影響后續(xù)處理,對(duì)常用的圖像預(yù)處理技術(shù)進(jìn)行了理論分析和實(shí)驗(yàn)對(duì)比,給出了最適合真實(shí)的小區(qū)視頻數(shù)據(jù)的預(yù)處理算法。在視頻動(dòng)靜態(tài)切分過(guò)程中,本文提出了一種基于行人運(yùn)動(dòng)規(guī)律的分塊多閾值幀間差分算法,在真實(shí)的小區(qū)視頻數(shù)據(jù)上的實(shí)驗(yàn)表明,該算法相對(duì)于普通幀間差分算法具有更快的切分速度和更低的漏檢率。(2)由于小區(qū)監(jiān)控的實(shí)際場(chǎng)景中存在大量的光照突變和光照不均勻現(xiàn)象,本文結(jié)合基于雙背景模型的思想和一種自適應(yīng)的光照補(bǔ)償策略提出了一種能夠應(yīng)對(duì)光照變化的快速魯棒前景檢測(cè)算法。在Wallflower數(shù)據(jù)集和真實(shí)的監(jiān)控視頻數(shù)據(jù)上進(jìn)行前景檢測(cè),實(shí)驗(yàn)結(jié)果表明該算法在發(fā)生光照突變時(shí)比混合高斯模型(GMM)、VIBE算法、自適應(yīng)自組織網(wǎng)絡(luò)算法(LBASOM)具有更高的檢測(cè)精度,同時(shí)該算法相對(duì)于GMM、LBASOM和多層背景模型(MLBGS)具有更快的處理速度。(3)由于現(xiàn)有的大部分多目標(biāo)跟蹤算法計(jì)算復(fù)雜度過(guò)高,本文提出了一種結(jié)合meanshift算法和目標(biāo)特征匹配的在線多目標(biāo)跟蹤算法,該算法無(wú)需訓(xùn)練模型,基本上不需要先驗(yàn)知識(shí)。在真實(shí)的小區(qū)監(jiān)控視頻數(shù)據(jù)上,相較于CMOT算法具有更低的跟丟率和更快的處理速度。(4)對(duì)顏色直方圖、顏色和邊緣方向特征描述符、圖像哈希和SURF特征四種目標(biāo)特征進(jìn)行了理論分析,并對(duì)不同的目標(biāo)特征所采用的相似性度量方法進(jìn)行了改進(jìn),給出每種特征得到一個(gè)0-1之間的相似性度量值的計(jì)算方法,改進(jìn)后的方法更加適用于圖像檢索。(5)將小區(qū)監(jiān)控視頻分析系統(tǒng)的分為動(dòng)靜態(tài)切分與信息提取層、多目標(biāo)跟蹤分析層和視頻目標(biāo)檢索層。結(jié)合小區(qū)監(jiān)控的實(shí)際需求分層實(shí)現(xiàn)了一個(gè)小區(qū)監(jiān)控視頻分析檢索系統(tǒng)。
[Abstract]:With the development of video surveillance system, the content of video is growing exponentially. How to efficiently manage, view and retrieve these video content has become an urgent problem. The illumination change is large and the design requirement is economical and practical. In this paper, the foreground detection, multi-target tracking and image retrieval technology used in the video analysis of residential surveillance are studied and improved. The main research contents include: (1) because there is more noise in the video image to affect the follow-up processing, the common image preprocessing technology is analyzed theoretically and compared with the experiment. A preprocessing algorithm for real cell video data is presented in this paper. In the process of dynamic and static video segmentation, a multi-threshold inter-frame difference algorithm based on pedestrian motion is proposed. Experiments on real cell video data show that, The algorithm has faster segmentation speed and lower miss rate than the ordinary inter-frame differential algorithm. In this paper, a fast robust foreground detection algorithm based on dual background model and an adaptive illumination compensation strategy is proposed, which can deal with the change of illumination. It can detect the foreground on the Wallflower data set and the real surveillance video data. The experimental results show that the algorithm has higher detection accuracy than the hybrid Gao Si model GMMMM-VIBE algorithm and the adaptive ad hoc network algorithm (LBASOM). At the same time, the algorithm has a faster processing speed than GMM LBASOM and MLBGS) because of the high computational complexity of most of the existing multi-target tracking algorithms. In this paper, an online multi-target tracking algorithm combining meanshift algorithm with target feature matching is proposed. This algorithm does not require training model and requires no prior knowledge. The color histogram, color and edge direction descriptor, image hash and SURF feature are analyzed theoretically compared with CMOT algorithm. The similarity measurement method used in different target features is improved, and the method of calculating a similarity measure between 0-1 for each feature is given. The improved method is more suitable for image retrieval. 5) dividing the video analysis system into dynamic and static segmentation and information extraction layer. The multi-target tracking analysis layer and video target retrieval layer are used to realize a video analysis and retrieval system based on the actual requirement of cell monitoring.
【學(xué)位授予單位】：華僑大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 高清芬;;一種監(jiān)控視頻分段的方法[J];衡水學(xué)院學(xué)報(bào);2008年04期

2 陳姣姣;張曉如;周永梅;;基于本體的監(jiān)控視頻語(yǔ)義事件探測(cè)[J];計(jì)算機(jī)應(yīng)用研究;2012年01期

3 代科學(xué);李國(guó)輝;武德峰;;聚類挖掘在監(jiān)控視頻中的應(yīng)用[J];測(cè)控技術(shù);2006年10期

4 汪賢鋒;;基于內(nèi)容的二次聚類監(jiān)控視頻摘要生成分析[J];內(nèi)蒙古財(cái)經(jīng)大學(xué)學(xué)報(bào);2013年05期

5 周清華;周俊;林必毅;;監(jiān)控視頻流傳輸?shù)膽?yīng)用研究[J];智能建筑與城市信息;2009年08期

6 姚彬;史萍;葛菲;謝志揚(yáng);;監(jiān)控視頻的摘要提取方法研究[J];電視技術(shù);2010年04期

7 周玉蘭;;電子監(jiān)控視頻使用中的新聞倫理三問(wèn)[J];視聽縱橫;2014年03期

8 柳偉;代科學(xué);盧鑫;郭森;;監(jiān)控視頻聚簇模式挖掘及其應(yīng)用[J];數(shù)據(jù)采集與處理;2008年04期

9 辛麗麗;;鶴礦集團(tuán)遠(yuǎn)程安全監(jiān)控視頻集成系統(tǒng)[J];煤炭技術(shù);2008年05期

10 謝俊宏;;淺談監(jiān)控視頻干擾問(wèn)題的解決[J];海峽科學(xué);2008年08期

相關(guān)會(huì)議論文 前6條

1 李國(guó)輝;代科學(xué);;一種基于運(yùn)動(dòng)量的監(jiān)控視頻事件挖掘方法[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2005）論文集[C];2005年

2 高美容;于明;;一種監(jiān)控視頻分段的方法[A];2007北京地區(qū)高校研究生學(xué)術(shù)交流會(huì)通信與信息技術(shù)會(huì)議論文集（上冊(cè)）[C];2008年

3 歐溫暖;田緒紅;朱同林;;基于課室監(jiān)控視頻的課堂行為計(jì)數(shù)分析[A];第五屆全國(guó)幾何設(shè)計(jì)與計(jì)算學(xué)術(shù)會(huì)議論文集[C];2011年

4 甘金明;;基于DSP的路燈監(jiān)控視頻捕捉器設(shè)計(jì)[A];全國(guó)第二屆信號(hào)處理與應(yīng)用學(xué)術(shù)會(huì)議�？痆C];2008年

5 李博;李國(guó)輝;涂丹;;非重疊監(jiān)控視頻中行人目標(biāo)的檢測(cè)與匹配[A];第七屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2011)論文集【poster】[C];2011年

6 吳秀敏;唐志偉;張輝;;基于火災(zāi)監(jiān)控視頻的人員疏散行為統(tǒng)計(jì)分析[A];2013中國(guó)消防協(xié)會(huì)科學(xué)技術(shù)年會(huì)論文集[C];2013年

相關(guān)重要報(bào)紙文章 前10條

1 和靜鈞;擅播公共監(jiān)控視頻并非都違法[N];深圳特區(qū)報(bào);2013年

2 郭海濱　羅燕清 梁明翥;八一總場(chǎng)治安監(jiān)控視頻系統(tǒng)顯神威[N];海南農(nóng)墾報(bào);2009年

3 王東亮;應(yīng)急指揮可隨時(shí)調(diào)用全市監(jiān)控視頻[N];北京日?qǐng)?bào);2007年

4 嘉興日?qǐng)?bào)評(píng)論部 晏揚(yáng);監(jiān)控視頻：反腐利器如何出鞘[N];人民法院報(bào);2013年

5 記者 洪奕宜　通訊員 粵公宣 麥媛玲;12種場(chǎng)所強(qiáng)制安裝監(jiān)控視頻[N];南方日?qǐng)?bào);2009年

6 楊濤;禁止擅傳公共場(chǎng)所監(jiān)控視頻是良法[N];深圳商報(bào);2013年

7 記者 曹俊杰;監(jiān)視器下的真實(shí)[N];第一財(cái)經(jīng)日?qǐng)?bào);2011年

8 本報(bào)記者 徐雋 王漢超 申琳;禁看監(jiān)控，無(wú)妨監(jiān)督[N];人民日?qǐng)?bào);2013年

9 記者 李亦中　通訊員 潘峰;指揮調(diào)度集成化全國(guó)領(lǐng)先[N];長(zhǎng)江日?qǐng)?bào);2011年

10 記者 李亞亞　劉冉冉 張冰芯;裝攝像頭能否防虐童？[N];廣州日?qǐng)?bào);2012年

相關(guān)博士學(xué)位論文 前3條

1 馬浚誠(chéng);面向葉部病害識(shí)別的設(shè)施蔬菜監(jiān)控視頻關(guān)鍵幀提取方法研究[D];中國(guó)農(nóng)業(yè)大學(xué);2016年

2 聶婕;人體生理活動(dòng)監(jiān)控視頻中的關(guān)鍵事件檢測(cè)[D];中國(guó)海洋大學(xué);2011年

3 王亦民;面向監(jiān)控視頻的行人重識(shí)別技術(shù)研究[D];武漢大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 申海洋;基于內(nèi)容的監(jiān)控視頻檢索算法研究[D];山西大學(xué);2014年

2 袁冠紅;基于異常事件檢測(cè)的交通監(jiān)控視頻摘要[D];浙江大學(xué);2015年

3 李招昕;基于流式計(jì)算的大規(guī)模監(jiān)控視頻分析關(guān)鍵技術(shù)研究[D];上海大學(xué);2015年

4 方士兵;基于監(jiān)控視頻的行人統(tǒng)計(jì)方法研究[D];中國(guó)礦業(yè)大學(xué);2015年

5 肖碧波;基于監(jiān)控視頻的視頻分析方法研究[D];北京化工大學(xué);2015年

6 胡憲洋;監(jiān)控視頻中特定目標(biāo)的檢測(cè)與辨識(shí)方法研究[D];電子科技大學(xué);2015年

7 陳煒;基于內(nèi)容分析的監(jiān)控視頻采集傳輸系統(tǒng)的研究與應(yīng)用[D];北京工業(yè)大學(xué);2015年

8 張芯;監(jiān)控視頻中運(yùn)動(dòng)目標(biāo)分類算法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

9 王輝;基于道路監(jiān)控視頻的交通擁堵判別方法研究[D];南京郵電大學(xué);2015年

10 韓小萱;高效監(jiān)控視頻摘要的關(guān)鍵技術(shù)研究[D];南京郵電大學(xué);2015年

，

本文編號(hào)：1657195