机器学习在智能家居监控系统中的应用

发布时间：2021-03-23 01:27

　　长久以来,家庭安全防护都是备受民众关注的热点问题,视频监控则是保障家庭安全的一种重要手段,需求持续增长。传统的家庭监测系统大多都由中央监测站的工作人员来完成,分析和响应每一个异常事件。显然这种传统的模式要耗费大量的人力成本,而随着机器学习算法的发展,智能化的监控系统成为了新的发展趋势。本文主要对基于视频监控的图像预处理、家庭入侵检测和摔倒检测这几个方面进行了深入研究。本文研究了各种常用的图像预处理方法,最终在实验中采用了基于拉普拉斯滤波和离散余弦变换的方法。通过拉普拉斯滤波突出图像纹理特征,然后利用离散余弦变换提取图像低频系数之后复原图像,最后达到了突出纹理、削弱噪声、降低图像维度的效果。对于家庭入侵检测,在经过图像预处理的基础上提出了一种HOG-LBP特征加权融合的人脸识别算法。首先通过正对房门的摄像头采集入室人员的图像,并对图像进行预处理。然后利用HOG特征与LBP特征存在的优势互补特性,采用HOG算子与LBP算子分别提取人脸特征并进行加权融合得到人脸图像的最终特征,最后使用SVM分类器进行识别。在多个人脸数据集下的实验结果表明在室内场景下,该算法相比绝大多数传统算法具有更优秀的识... 

【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

图２－１拉普拉斯滤波的效果

图２－２离散余弦变换的效果图

弱光照、背景等干扰因素。??（５）将该ｂｌｏｃｋ在图像中向下或者向右移动一个细胞单元，得到下一个滑块，??块与块之间是重叠的。然后继续（１）到（４）的工作直到求出所有滑块的梯度方向直方??图，然后融合所有滑块的直方图特征构成整个图像的ＨＯＧ特征，最终的直方图维??度为?８１＊３６＝２９１６?维。??


本文编号：3094863