本文關鍵詞： 智能視頻監(jiān)控 步態(tài)識別 人體幾何特征 關節(jié)點提取 監(jiān)控平臺設計開發(fā)　出處：《浙江大學》2017年碩士論文　論文類型：學位論文

【摘要】：近幾年全球范圍內恐怖襲擊和犯罪活動不斷發(fā)生,各個國家對于社會公共安全越來越重視,視頻監(jiān)控領域因此成為近幾年的研究熱點。人作為視頻監(jiān)控中最重要的主體之一,將同一個人在不同監(jiān)控攝像頭中進行有效識別與追蹤具有非常大的應用價值,行人重識別也因此成為了視頻監(jiān)控領域中非常重要的研究方向。基于生物特征的識別因其特征的唯一性成為現(xiàn)階段行人重識別的研究重點,而步態(tài)特征相對于其他生物特征(比如人臉指紋等)具有可遠距離觀察、采集方便等優(yōu)勢,在視頻跟蹤和識別等安防場景中,步態(tài)識別將起到越來越大的作用,具有非常廣闊的應用前景。論文以步態(tài)識別為研究內容,提出了一種基于人體幾何特征的步態(tài)識別算法,同時設計開發(fā)了一套面向應用的智能視頻監(jiān)控平臺。論文的主要研究工作和貢獻如下:(1)在前人目標高度寬度測量的基礎算法上,對消隱點的提取算法以及目標高度寬度測量的誤差矯正進行改進,設計了一套基于單目視覺的目標高度寬度自動測量算法,并應用在現(xiàn)實場景中。實驗結果顯示高度測量百分誤差約為1%,寬度測量百分誤差約為3%,準確度較高。(2)提出了 一種側面視角下基于人體幾何特征的行人重識別方法,人體幾何特征包括身高、步幅寬度以及關節(jié)角度,并且將人體下半身關節(jié)點提取算法進行改進,提高關節(jié)點的定位精度,同時針對步態(tài)識別類間模糊類內差大的特點,選用了一種基于距離學習的分類方法。本文提出的算法在中科院的步態(tài)數(shù)據(jù)集clothes類別上的識別率為56.5%,超越了現(xiàn)有的CGI、bSHI等算法。(3)基于實驗室搭建的視頻監(jiān)控網絡設計開發(fā)了一個智能視頻監(jiān)控平臺,實現(xiàn)了視頻回放、視頻內容篩選以及步態(tài)識別的功能。該智能視頻分析平臺的實現(xiàn)能夠大大減少人工查看監(jiān)控視頻的時間,提升系統(tǒng)的存儲能力,同時也使得行人重識別過程變得更加自動化。該平臺采用模塊化的方式進行開發(fā),能夠將實現(xiàn)的算法或者功能無縫地添加到平臺中,并且應用到實際場景。
[Abstract]:In recent years, terrorist attacks and criminal activities have occurred all over the world, and various countries are paying more and more attention to social public safety. As one of the most important subjects in video surveillance, the identification and tracking of the same person in different surveillance cameras has great application value. Therefore, pedestrian recognition has become a very important research direction in the field of video surveillance. Because of its uniqueness, biometric recognition has become the focus of pedestrian recognition research. Gait features have the advantages of remote observation and easy acquisition compared with other biometric features such as face fingerprint. Gait recognition will play a more and more important role in security scenes such as video tracking and recognition. This paper presents a gait recognition algorithm based on geometric features of human body. At the same time, an application-oriented intelligent video surveillance platform is designed and developed. The main research work and contributions of this paper are as follows: 1) on the basis of the previous algorithm of height width measurement. By improving the algorithm of extracting hidden point and correcting the error of target height width measurement, a set of automatic height width measurement algorithm based on monocular vision is designed. The experimental results show that the error of height measurement is about 1 percent, and the error of width measurement is about 3%. A method of pedestrian recognition based on geometric features of human body is proposed in this paper, which includes height, stride width and angle of joint. And the lower body of the human body node extraction algorithm is improved to improve the location accuracy of the node, and at the same time for gait recognition of the characteristics of large intra-class fuzzy class difference. A distance learning based classification method is selected. The recognition rate of the proposed algorithm on the gait data set clothes category of the Chinese Academy of Sciences is 56.5, surpassing the existing CGI. BSHI and other algorithms. 3) based on the laboratory video surveillance network design and development of an intelligent video surveillance platform to achieve video playback. The realization of the intelligent video analysis platform can greatly reduce the time of manually viewing the monitored video and improve the storage capacity of the system. At the same time, it also makes the pedestrian recognition process more automated. The platform is developed in a modular way, which can seamlessly add the algorithm or function to the platform and apply it to the actual scene.
【學位授予單位】：浙江大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41;TN948.6

【相似文獻】

相關期刊論文 前10條

1 田光見,趙榮椿;基于傅立葉描繪子的步態(tài)識別[J];計算機應用;2004年11期

2 田光見;趙榮椿;;一種步態(tài)識別方法[J];計算機科學;2005年09期

3 洪文,黃鳳崗,蘇菡;基于連續(xù)隱馬爾科夫模型的步態(tài)識別[J];應用科技;2005年02期

4 劉玉棟,蘇開娜,馬麗;一種基于模型的步態(tài)識別方法[J];計算機工程與應用;2005年09期

5 田光見,趙榮椿;步態(tài)識別綜述[J];計算機應用研究;2005年05期

6 趙子健;吳曉娟;;基于近似時空切片向量的步態(tài)識別方法研究[J];模式識別與人工智能;2005年05期

7 趙黎麗;侯正信;;步態(tài)識別問題的特點及研究現(xiàn)狀[J];中國圖象圖形學報;2006年02期

8 許文芳;吳清江;;步態(tài)識別綜述[J];福建電腦;2007年01期

9 彭彰;吳曉娟;楊軍;;基于肢體長度參數(shù)的多視角步態(tài)識別算法[J];自動化學報;2007年02期

10 韓旭;劉冀偉;么鍵;那幼超;王志良;;一種改進的步態(tài)識別方法[J];電子器件;2007年04期

相關會議論文 前8條

1 鄧玉春;劉世平;;自動步態(tài)識別方法研究綜述[A];2007通信理論與技術新發(fā)展——第十二屆全國青年通信學術會議論文集（上冊）[C];2007年

2 何衛(wèi)華;李平;文玉梅;葉波;袁海軍;;運用下肢關節(jié)角度信息進行步態(tài)識別[A];第十三屆全國圖象圖形學學術會議論文集[C];2006年

3 肖軍;蘇潔;鄭波;賈鵬宇;;智能仿生腿在不同路況下的步態(tài)識別系統(tǒng)研究[A];2007中國控制與決策學術年會論文集[C];2007年

4 張聰;明東;萬柏坤;;基于小波描述子和人體骨架模型的多視角融合步態(tài)識別[A];天津市生物醫(yī)學工程學會第29屆學術年會暨首屆生物醫(yī)學工程前沿科學研討會論文集[C];2009年

5 朱京紅;方帥;高明;方杰;;基于人工免疫模型的步態(tài)識別方法[A];第十四屆全國圖象圖形學學術會議論文集[C];2008年

6 葉波;文玉梅;李平;;基于核主元分析和支持向量機的步態(tài)識別算法[A];第十三屆全國圖象圖形學學術會議論文集[C];2006年

7 王科俊;閻濤;呂卓紋;;基于耦合度量學習的特征級融合方法及在步態(tài)識別中的應用[A];2013年中國智能自動化學術會議論文集（第三分冊）[C];2013年

8 王科俊;賁f[燁;;基于線性插值的特征模板構造的步態(tài)識別算法框架[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

相關重要報紙文章 前2條

1 編譯 劉東征;新型“步態(tài)密碼”給手機加把鎖[N];北京科技報;2005年

2 若水;分析步態(tài)識別身份[N];光明日報;2003年

相關博士學位論文 前10條

1 余杰;基于視頻的人體目標跟蹤與識別技術研究[D];電子科技大學;2016年

2 賁f[燁;基于人體運動分析的步態(tài)識別算法研究[D];哈爾濱工程大學;2010年

3 曾瑋;基于確定學習理論的人體步態(tài)識別研究[D];華南理工大學;2012年

4 劉磊;基于多源信息的步態(tài)識別算法研究[D];河北工業(yè)大學;2015年

5 張元元;基于序列統(tǒng)計特性的步態(tài)識別算法研究[D];山東大學;2010年

6 趙國英;基于視頻的步態(tài)識別[D];中國科學院研究生院（計算技術研究所）;2005年

7 薛召軍;基于小波變換和支持向量機相結合的步態(tài)識別新方法研究[D];天津大學;2007年

8 胡榮;人體步態(tài)識別研究[D];華中科技大學;2010年

9 顧磊;基于圖像序列的人體步態(tài)識別方法研究[D];南京理工大學;2008年

10 劉海濤;基于立體視覺的步態(tài)識別研究[D];中國科學技術大學;2010年

相關碩士學位論文 前10條

1 陳夏輝;步態(tài)識別的若干關鍵技術研究[D];華南理工大學;2015年

2 王奎;一種基于特征曲線匹配的快速步態(tài)識別方法研究[D];大連海事大學;2015年

3 楊亞洲;基于人體輪廓特征的步態(tài)識別技術研究[D];國防科學技術大學;2013年

4 馬曉龍;基于MIMU的單兵室內導航算法研究[D];國防科學技術大學;2013年

5 衣美佳;步態(tài)識別關鍵技術研究[D];南京郵電大學;2015年

6 周浩理;復雜背景下多特征融合的人體步態(tài)識別研究[D];海南大學;2016年

7 李雪燕;視頻監(jiān)控中人體步態(tài)識別方法研究[D];長春工業(yè)大學;2016年

8 潘秀芳;基于手機的步態(tài)識別研究[D];燕山大學;2016年

9 羅璨;存在干擾因素情況下的步態(tài)識別統(tǒng)動力學初步探索[D];蘇州大學;2016年

10 張鵬;耦合度量學習理論及其在步態(tài)識別中的應用研究[D];山東大學;2016年

，

本文編號：1471566