基于机器视觉的行人视频摘要系统设计与实现

发布时间：2020-12-13 18:07

　　当前变电站基站大都采用无人值守的方式,在变电站监控中心,对于关注目标的监控完全靠人工盯着,难免出现遗漏的情况,而且在发生事故后浏览视频查找问题时,需要耗费大量的时间,变电站监控视频的角度固定,而且我们比较关注行人的活动情况。在变电站监控视频场景中,运动目标非常少,监控视频角度固定,重复数据比较多,有价值的信息数据相对比较少。考虑到变电站的场景特点,可以使用视频摘要技术,在时间和空间维度压缩原始视频长度,去除非行人的信息数据,减小视频长度和存储大小,同时保留原视频中的基本内容和重要信息,提高监控管理人员的工作效率。系统输入是一段原始监控视频,首先对原始视频预处理、采用背景差分方法进行运动检测,建立混合高斯模型,从原始图像中检测出运动目标,对运动目标运用深度学习的算法,使用卷积神经网络模型从运动目标中区分出行人,保存行人的运动信息,之后对每个运动行人进行轨迹跟踪,根据跟踪的结果保存行人的轨迹图像,生成行人轨迹段,最后使用模拟退火原理优化各段轨迹的组合方式,减少行人间的遮挡和碰撞,生成最后的摘要视频并保存。系统实现了运动目标检测,检测出运动目标中的行人并且记录行人运动轨迹,最后对轨迹在时空上... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 课题背景意义
    1.2 国内外研究现状
    1.3 本文主要工作及内容组织
2 需求分析
    2.1 功能需求分析
    2.2 性能需求分析
    2.3 本章小结
3 视频摘要系统设计
    3.1 总体结构设计
    3.2 目标检测与识别
    3.3 运动目标的跟踪
    3.4 行人轨迹组合优化
    3.5 本章小结
4 视频摘要系统的实现
    4.1 框架及开发环境
    4.2 系统实现
    4.3 本章小结
5 测试与结果分析
    5.1 行人检测结果分析
    5.2 轨迹组合结果分析
    5.3 本章小结
6 总结与展望
    6.1 论文总结
    6.2 展望
致谢
参考文献


【参考文献】：
期刊论文
[1]多卷积特征融合的HOG行人检测算法[J]. 高琦煜,方虎生.  计算机科学. 2017(S2)
[2]改进的卷积神经网络在行人检测中的应用[J]. 谢林江,季桂树,彭清,罗恩韬.  计算机科学与探索. 2018(05)
[3]基于目标检测及跟踪的视频摘要技术研究[J]. 田合雷,丁胜,于长伟,周立.  计算机科学. 2016(11)
[4]空间约束混合高斯运动目标检测[J]. 董俊宁,杨词慧.  中国图象图形学报. 2016(05)
[5]改进的模拟退火算法及其在装填问题中的应用[J]. 罗娜.  电脑知识与技术. 2016(06)
[6]基于五帧差分法的动态目标检测新算法[J]. 郭春凤.  重庆科技学院学报(自然科学版). 2015(05)
[7]基于YCbCr的自适应混合高斯模型背景建模[J]. 黄玉,殷苌茗,周书仁.  计算机工程与科学. 2015(01)
[8]视频摘要技术综述[J]. 王娟,蒋兴浩,孙锬锋.  中国图象图形学报. 2014(12)
[9]基于特征融合和交叉核SVM的快速行人检测方法[J]. 孙锐,侯能干,陈军.  光电工程. 2014(02)
[10]视觉注意模型的道路监控视频关键帧提取[J]. 刘云鹏,张三元,王仁芳,张引.  中国图象图形学报. 2013(08)

硕士论文
[1]基于内容的视频分析关键技术研究[D]. 孙彬.南京邮电大学 2017
[2]基于深度学习的行人检测[D]. 王斌.北京交通大学 2015
[3]视频摘要技术研究与系统实现[D]. 苏翠宁.中南大学 2009



本文编号：2914954