發(fā)布時(shí)間：2017-04-10 12:08

  本文關(guān)鍵詞：智能視頻監(jiān)控系統(tǒng)關(guān)鍵技術(shù)研究及其在安卓平臺(tái)下的實(shí)現(xiàn)，由筆耕文化傳播整理發(fā)布。

【摘要】：視頻監(jiān)控是人們生活中的一種重要的安保手段。近年來(lái)，隨著計(jì)算機(jī)視覺(jué)技術(shù)的長(zhǎng)足進(jìn)步，傳統(tǒng)的視頻監(jiān)控系統(tǒng)也開(kāi)始向著自動(dòng)化、無(wú)人化、全天候發(fā)展，逐步形成了新一代的智能視頻監(jiān)控系統(tǒng)。于此同時(shí)，硬件制造技術(shù)的迅猛發(fā)展使得單片機(jī)、手機(jī)等智能終端的計(jì)算能力越來(lái)越強(qiáng)大，逐漸具備了進(jìn)行圖像處理與識(shí)別的能力。基于以上研究背景，本文對(duì)智能監(jiān)控系統(tǒng)的幾個(gè)關(guān)鍵技術(shù)進(jìn)行了研究與改進(jìn)，并在當(dāng)下較為流行的安卓平臺(tái)上加以實(shí)現(xiàn)，具體研究工作如下： (1)對(duì)智能監(jiān)控系統(tǒng)的核心技術(shù)即運(yùn)動(dòng)目標(biāo)識(shí)別算法進(jìn)行了研究并針對(duì)其不足提出了改進(jìn)。分析了目前應(yīng)用較多的自適應(yīng)背景模型、運(yùn)動(dòng)歷史背景模型、高斯背景模型、碼本背景模型及視頻背景提取模型，從原理上闡述了每種方法的適用情況，并針對(duì)不同評(píng)價(jià)指標(biāo)結(jié)合具體的數(shù)據(jù)對(duì)其效果與優(yōu)缺點(diǎn)進(jìn)行了比較。針對(duì)智能移動(dòng)終端計(jì)算能力有限這一實(shí)際情況，選取了視頻背景提取算法作為系統(tǒng)設(shè)計(jì)的核心算法。這種方法在擁有較低的算法復(fù)雜度的同時(shí)，還能得到相對(duì)較好的檢測(cè)效果，是智能終端的不二選擇。但該算法也存在一定缺陷，由于其背景建模方法過(guò)于簡(jiǎn)單，僅僅是對(duì)第一幀每個(gè)像素點(diǎn)的鄰域像素進(jìn)行隨機(jī)采樣，并沒(méi)有考慮背景中是否已經(jīng)含有前景的情況，導(dǎo)致在很多情況下該模型容易出現(xiàn)鬼影現(xiàn)象而造成誤檢。針對(duì)這一問(wèn)題，本文提出了一種改進(jìn)方法，即將一定數(shù)量的待檢測(cè)幀作為樣本，通過(guò)對(duì)有一定間隔的兩幀做邏輯操作得到相對(duì)準(zhǔn)確的鬼影區(qū)域并對(duì)其加以去除，最后將處理后的幀作為第一幀重新運(yùn)行視頻背景提取模型的方法。經(jīng)實(shí)驗(yàn)驗(yàn)證這種方法簡(jiǎn)單、可靠、效果較為理想。 (2)為提高運(yùn)動(dòng)目標(biāo)識(shí)別結(jié)果的準(zhǔn)確性，在識(shí)別前后進(jìn)行了預(yù)處理與后處理。通過(guò)光學(xué)傳感器得到的數(shù)字圖像，總是或多或少的存在一定數(shù)量的噪聲。這種噪聲在一定程度上會(huì)導(dǎo)致錯(cuò)誤的檢測(cè)結(jié)果。為解決這一問(wèn)題，本文采用高斯濾波與中值濾波的方法對(duì)圖像進(jìn)行優(yōu)化，提高了待檢圖像的整體質(zhì)量。光學(xué)傳感器自身抖動(dòng)會(huì)導(dǎo)致圖像的小范圍擺動(dòng)，這種擺動(dòng)對(duì)檢測(cè)結(jié)果影響較大。為解決這一問(wèn)題，本文采用運(yùn)動(dòng)估計(jì)的方法對(duì)待檢圖像進(jìn)行穩(wěn)像操作并加以補(bǔ)償，效果明顯。針對(duì)運(yùn)動(dòng)目標(biāo)識(shí)別的結(jié)果采取形態(tài)學(xué)濾波的方法去除了一定數(shù)量的誤判。 (3)通過(guò)對(duì)人體形態(tài)學(xué)特征進(jìn)行分析，發(fā)現(xiàn)人體的高、寬比例關(guān)系處于一定范圍之內(nèi)。通過(guò)對(duì)是否滿足這種比例關(guān)系進(jìn)行判斷，，即可在一定程度上識(shí)別出人體。通過(guò)對(duì)人體的識(shí)別，排除了后處理中未能解決的誤檢問(wèn)題，也為系統(tǒng)做出預(yù)警打下了基礎(chǔ)；通過(guò)對(duì)煙霧的監(jiān)控可以對(duì)火災(zāi)的發(fā)生做出早期的預(yù)警。袁非牛提出的煙霧顏色模型算法簡(jiǎn)單，效果較好，通過(guò)對(duì)其加以運(yùn)用，可初步具備火災(zāi)預(yù)警能力。 (4)在Android平臺(tái)上設(shè)計(jì)與構(gòu)建了智能視頻監(jiān)控系統(tǒng)。結(jié)合本文提出的改進(jìn)后的視頻背景提取算法，在安卓平臺(tái)下通過(guò)調(diào)用基于OpenCV庫(kù)實(shí)現(xiàn)的C++文件，實(shí)現(xiàn)了智能監(jiān)控系統(tǒng)。
【關(guān)鍵詞】：智能監(jiān)控系統(tǒng) 視覺(jué)背景提取 安卓 人體識(shí)別 煙霧識(shí)別 鬼影
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN948.6
【目錄】：

• 摘要4-6
• Abstract6-11
• 第1章 緒論11-18
• 1.1 課題研究背景11-12
• 1.2 智能視頻監(jiān)控系統(tǒng)簡(jiǎn)介12-14
• 1.3 相關(guān)領(lǐng)域發(fā)展現(xiàn)狀14-17
• 1.3.1 智能監(jiān)控系統(tǒng)發(fā)展現(xiàn)狀14-15
• 1.3.2 計(jì)算機(jī)視覺(jué)相關(guān)技術(shù)發(fā)展現(xiàn)狀15-16
• 1.3.3 OpenCV 簡(jiǎn)介16
• 1.3.4 安卓平臺(tái)簡(jiǎn)介16-17
• 1.4 論文內(nèi)容與難點(diǎn)17
• 1.5 論文章節(jié)結(jié)構(gòu)17-18
• 第2章 圖像預(yù)處理與后處理18-25
• 2.1 圖像預(yù)處理18-23
• 2.1.1 噪聲去除18-21
• 2.1.2 運(yùn)動(dòng)估計(jì)與補(bǔ)償21-23
• 2.2 圖像后處理23-24
• 2.3 本章小結(jié)24-25
• 第3章 運(yùn)動(dòng)目標(biāo)識(shí)別算法25-40
• 3.1 幀間差分法25-26
• 3.2 光流法26-28
• 3.3 背景差分法28-35
• 3.3.1 自適應(yīng)背景模型28
• 3.3.2 運(yùn)動(dòng)歷史模型28-29
• 3.3.3 高斯模型29
• 3.3.4 碼本模型29-31
• 3.3.5 視頻背景提取模型31-35
• 3.4 差分法各種模型效果比較35-37
• 3.4.1 評(píng)價(jià)指標(biāo)說(shuō)明35
• 3.4.2 實(shí)驗(yàn)參數(shù)35-36
• 3.4.3 實(shí)驗(yàn)結(jié)果36-37
• 3.5 對(duì) ViBe 算法導(dǎo)致的“鬼影”現(xiàn)象的改進(jìn)37-39
• 3.6 本章小結(jié)39-40
• 第4章 人體識(shí)別與煙霧識(shí)別40-45
• 4.1 人體識(shí)別40-42
• 4.1.1 基于人體比例關(guān)系的人體識(shí)別40-41
• 4.1.2 實(shí)驗(yàn)結(jié)果41-42
• 4.2 煙霧識(shí)別42-44
• 4.2.1 常用煙霧識(shí)別算法43-44
• 4.2.2 實(shí)驗(yàn)結(jié)果44
• 4.3 本章小結(jié)44-45
• 第5章 安卓平臺(tái)下的系統(tǒng)實(shí)現(xiàn)45-50
• 5.1 安卓平臺(tái)開(kāi)發(fā)環(huán)境簡(jiǎn)介45
• 5.2 Android OpenCV45-47
• 5.2.1 Android OpenCV 簡(jiǎn)介45-46
• 5.2.2 在安卓應(yīng)用程序中調(diào)用 OpenCV46-47
• 5.3 智能監(jiān)控系統(tǒng)設(shè)計(jì)47
• 5.4 系統(tǒng)運(yùn)行結(jié)果47-50
• 第6章 總結(jié)與研究展望50-51
• 6.1 工作總結(jié)50
• 6.2 研究展望50-51
• 參考文獻(xiàn)51-54
• 作者簡(jiǎn)介及在學(xué)期間所取得的科研成果54-55
• 致謝55

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 張仕成;;基于Google Android平臺(tái)的應(yīng)用程序開(kāi)發(fā)與研究[J];電腦知識(shí)與技術(shù);2009年28期

2 常太華,蘇杰,田亮;一種基于DSP實(shí)現(xiàn)火焰檢測(cè)的方法[J];華北電力大學(xué)學(xué)報(bào);2002年04期

3 章慧;張露;;低濃度煙霧檢測(cè)方法研究與仿真[J];計(jì)算機(jī)仿真;2012年05期

4 戴斌;方宇強(qiáng);孫振平;王亮;;基于光流技術(shù)的運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤方法研究[J];科技導(dǎo)報(bào);2009年12期

5 蘇延召;李艾華;姜柯;金廣智;;改進(jìn)視覺(jué)背景提取模型的運(yùn)動(dòng)目標(biāo)檢測(cè)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

6 王民;文義玲;;常用圖像去噪算法的比較與研究[J];西安建筑科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年06期

7 聶p

本文編號(hào)：296673