日常生產(chǎn)和生活中,高空墜物傷人事件時有發(fā)生,在一些工程施工現(xiàn)場或其他有可能墜落物體的區(qū)域,往往通過設(shè)置圍欄阻止人或?qū)櫸镞M(jìn)入標(biāo)記好的危險區(qū)域。但傳統(tǒng)圍欄存在攔截威力較小、入侵報警響應(yīng)不及時等問題,電子圍欄通常需要現(xiàn)場鋪設(shè)大量設(shè)備,成本高且操作繁復(fù)。視頻監(jiān)控因為其內(nèi)容豐富,涵蓋面廣,實時性強(qiáng)等優(yōu)點(diǎn),成為保護(hù)人民生命財產(chǎn)安全和維護(hù)社會治安的重要工具。本文通過深入研究圖像處理與目標(biāo)檢測的技術(shù),設(shè)計了一種基于視頻監(jiān)控的虛擬電子圍欄系統(tǒng),可用于代替?zhèn)鹘y(tǒng)物理圍欄或電子光幕圍欄,對進(jìn)入危險區(qū)域的人或?qū)櫸锛皶r進(jìn)行報警威懾,防止人或?qū)櫸锉桓呖諌嬑镌覀?具有重要的研究意義和實用價值。本文的主要工作有:（1）研究實現(xiàn)了視頻圖像的采集、去抖動處理和感興趣區(qū)域（ROI）選取功能。其中去抖動處理在實現(xiàn)圖像灰度化和二值化等預(yù)處理的基礎(chǔ)上,對選取的參考幀進(jìn)行投影計算,并計算視頻參考幀和后續(xù)每一幀的相關(guān)系數(shù),從而實現(xiàn)了視頻圖像去除抖動和選取區(qū)域最大化的目的。ROI選取功能可通過鼠標(biāo)在監(jiān)控圖像中繪制任意多邊形實現(xiàn),以選定的ROI邊界為虛擬圍欄邊界,僅對進(jìn)入ROI區(qū)域的圖像檢測識別。（2）研究了基于YOLOv3算法的目標(biāo)檢測... 

【文章來源】：濟(jì)南大學(xué)山東省

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

現(xiàn)代畜牧圍欄實例圖

基于視頻監(jiān)控的虛擬電子圍欄系統(tǒng)設(shè)計研究8部分——監(jiān)控視頻圖像信息采集、監(jiān)控視頻圖像相關(guān)處理、監(jiān)控視頻圖像目標(biāo)檢測。整體研究流程如圖1.4所示。圖1.4系統(tǒng)整體流程框圖（1）對采集到的監(jiān)控視頻圖像進(jìn)行處理。由于外界環(huán)境的不穩(wěn)定性，監(jiān)控鏡頭采集到的畫面會包含部分抖動，因此將對圖像進(jìn)行初步處理，包括灰度化，二值化，投影計算和去抖動處理。將預(yù)處理后的圖像進(jìn)行水平和豎直兩個方向的投影計算，然后由兩個方向的投影計算水平和豎直方向的相關(guān)系數(shù)，與初始參考幀對比選取相關(guān)性最大的區(qū)域，以達(dá)到去除因外界因素引起的視頻抖動的目的。（2）本文進(jìn)行識別檢測的區(qū)域是自定義的有高空墜物風(fēng)險的區(qū)域，因此監(jiān)控鏡頭采集到某視覺角度下的圖像信息時，風(fēng)險區(qū)域只占整個圖像畫面的一部分，無風(fēng)險區(qū)域的識別會導(dǎo)致本系統(tǒng)的誤報，增加安防人員的工作量，降低本系統(tǒng)的識別精度，因此需要首先選定畫面內(nèi)有墜落風(fēng)險的區(qū)域，即感興趣區(qū)域，選定好后，檢測區(qū)域只包選定區(qū)域，其它無關(guān)區(qū)域的圖像信息與檢測無關(guān)。（3）最后對處理過的監(jiān)控視頻圖像進(jìn)行目標(biāo)檢測。通過深度學(xué)習(xí)框架使用標(biāo)記好的數(shù)據(jù)進(jìn)行訓(xùn)練。結(jié)合系統(tǒng)應(yīng)用場景，將禁止進(jìn)入危險區(qū)域的圖像種類分為人和寵物的類別，結(jié)合實際，將圖像進(jìn)一步細(xì)分為人、汽車、摩托車、自行車、狗、貓七個種類，

基于視頻監(jiān)控的虛擬電子圍欄系統(tǒng)設(shè)計研究12除失穩(wěn)癥提高視頻補(bǔ)償精度的效果[45]；2019年周鵬威等人提出了一種傳感器的視頻穩(wěn)像技術(shù)，利用改進(jìn)過的光流傳感器獲得相鄰兩幀圖像之間的運(yùn)動矢量，對原始圖像進(jìn)行運(yùn)動補(bǔ)償，獲得穩(wěn)定的圖像序列，達(dá)到去除視頻抖動的目的[46]。本設(shè)計提出一種基于幀間相關(guān)系數(shù)的去抖動處理算法，包括圖像預(yù)處理和幀間相關(guān)系數(shù)計算。視頻初始幀上下左右各去除50像素取中間部分作為參考幀，對參考幀和視頻其他幀做水平和豎直方向的投影，利用皮爾森相關(guān)系數(shù)描述幀間相關(guān)性，在其他幀選取與參考幀相關(guān)性最大的區(qū)域，修復(fù)視頻異常抖動，得到穩(wěn)定的視頻。2.2.1參考幀選取對于參考幀的選擇方式主要有兩種：固定參考幀模式和相鄰參考幀模式，本設(shè)計選取第一種模式——固定參考幀模式。首先獲取視頻第一幀的圖像，將第一幀圖像上下左右各去掉50像素之后的圖像作為參考鄭處理前后效果圖如2.1圖所示，可以看出，處理后的參考幀畫面比原始畫面上下左右四個方向略截掉一部分。(a)初始幀(b)參考幀圖2.1參考幀的選取2.2.2圖像預(yù)處理對獲取的參考幀圖像進(jìn)行預(yù)處理，第一步是灰度化處理。彩色圖包括R、G、B三個通道，每個通道的取值范圍是0~255，其中0為黑色，255為白色，每個像素點(diǎn)的顏色變化有256256256種，造成每個像素點(diǎn)的計算量很大，不利于后續(xù)的處理。灰度化處理是將圖像中的彩色信息去除的同時不改變圖像亮度，這樣操作可以在不改變圖像識別精度的基礎(chǔ)上簡化圖像[49]�；叶然幚碇蟮膱D像所需的存儲空間更少，運(yùn)算更快�；叶然幚淼姆椒ㄓ蟹至糠ā⑵骄捣�、最大值法和加權(quán)平均法四種[50]。分量法是將圖像中的三分量的亮度作為三個灰度圖像的灰度值，根據(jù)實際應(yīng)用的需

【參考文獻(xiàn)】：
期刊論文
[1]基于智能電子圍欄技術(shù)的老年人監(jiān)護(hù)系統(tǒng)設(shè)計[J]. 何豪杰,熊衛(wèi)衛(wèi),黃東林.  價值工程. 2020(01)
[2]智能視頻監(jiān)控與人臉識別技術(shù)在監(jiān)獄安防中的應(yīng)用研究[J]. 吳蓉波.  中國安全防范技術(shù)與應(yīng)用. 2019(06)
[3]視頻穩(wěn)像算法綜述[J]. 王傳勝,管來福,童磊,賈銹閎,熊煒.  中國新通信. 2019(24)
[4]改進(jìn)損失函數(shù)的Yolov3車型檢測算法[J]. 徐義鎏,賀鵬.  信息通信. 2019(12)
[5]基于光流傳感器的視頻穩(wěn)像技術(shù)[J]. 周鵬威,季元吉,董超,盧田,胡世傳.  光電工程. 2019(11)
[6]基于RetinaNet改進(jìn)的車輛信息檢測[J]. 劉革,鄭葉龍,趙美蓉.  計算機(jī)應(yīng)用. 2020(03)
[7]基于CNN的圖像顯著性目標(biāo)檢測算法概述[J]. 付喜梅,吳藝賢,杜磊.  電腦與信息技術(shù). 2019(04)
[8]圖像分類卷積神經(jīng)網(wǎng)絡(luò)的反饋損失計算方法改進(jìn)[J]. 周非,李陽,范馨月.  小型微型計算機(jī)系統(tǒng). 2019(07)
[9]基于AlexNet算法的道路能見度估測方法[J]. 苗開超,王傳輝,張亞力,周建平,劉承曉,姚葉青.  計算機(jī)與現(xiàn)代化. 2019(06)
[10]改進(jìn)的SSD算法及其對遙感影像小目標(biāo)檢測性能的分析[J]. 王俊強(qiáng),李建勝,周學(xué)文,張旭.  光學(xué)學(xué)報. 2019(06)

碩士論文
[1]多尺度特征融合改進(jìn)YOLOv3網(wǎng)絡(luò)的行人和車輛檢測[D]. 王國文.南京郵電大學(xué) 2019
[2]基于改進(jìn)YOLOv3的安全帽檢測系統(tǒng)研究[D]. 何超.華中科技大學(xué) 2019
[3]電子穩(wěn)像中的特征點(diǎn)匹配與平滑濾波算法研究[D]. 陳雨銘.南京大學(xué) 2019
[4]基于RetinaNet的行人檢測算法研究[D]. 賈兆柱.大連理工大學(xué) 2019
[5]基于攻防策略的周界防范技術(shù)研究[D]. 吳冠峰.中國人民公安大學(xué) 2017
[6]基于LBP特征的人臉識別算法研究[D]. 程雪峰.廈門大學(xué) 2014
[7]靜止圖像的ROI區(qū)域自動提取與編碼[D]. 馮競舸.南京郵電大學(xué) 2013
[8]視頻序列中運(yùn)動目標(biāo)檢測算法的研究[D]. 潘欣艷.南京郵電大學(xué) 2012



本文編號：3428142