基于机器视觉的可疑人员跟踪与识别系统

发布时间：2021-01-10 05:08

　　在实时监控过程中,传统视频监控系统存在人力成本高、漏检率高、告警不及时等问题,有必要研究可疑人员跟踪与识别中的关键技术问题及系统。本文对视频分析技术中目标检测、目标跟踪和行为识别方法进行了研究,搭建了可疑人员跟踪与识别系统。具体工作如下:（1）提出基于VIBE+的运动目标检测算法。该算法以DBSCAN聚类算法为桥梁,将三帧差法和传统VIBE算法结合,达到优势互补的目的。实验证明VI BE+算法有效改善传统VIBE算法“鬼影”问题的同时,也避免了三帧差法存在的“孔洞”现象,在时间开销上,满足系统实时性要求。（2）提出基于改进粒子滤波的目标跟踪算法。从特征增强、增加粒子多样性、提升算法抗干扰性和引入目标模板更新策略四个方面对粒子滤波算法做出改进。实验结果表明,改进的粒子滤波算法有效改善了在环境迁移、目标被遮挡或姿态变化较大时传统粒子滤波算法的鲁棒性不强的问题,时间开销满足系统要求。（3）设计行人异常行为识别算法。区域入侵行为检测,通过在手动划定禁区内进行行人检测实现。单人摔倒行为,通过跟踪目标行人,获取加速度特征和形状特征,构建规则进行摔倒判定。设计基于运动历史图的能量函数识别多人异常行为... 

【文章来源】：浙江理工大学浙江省

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

本文技术框架

本文开发系统使用320 240规格视频序列，具点，可充分发挥 DBSCAN 算法优点，时间和内存开销上也满动目标检测算法法[16-17]是基于视频流中相邻帧间强相关性的前景目标提取方法时间开销小的优点。其中两帧差分法对阈值依赖性强，提取”现象，轮廓边缘也较粗糙。作为两帧差分法的改进算法，上述问题，本小节主要对三帧差分法原理进行说明[18]。分法将视频流当前帧图像与其前后两帧分别进行差分运算；进行逻辑“或”运算；最后进行二值化处理，得到运动目标 2.1 所示。

学硕士学位论文 基于机器视觉的可疑人员跟踪与识1 1D ( , ) ( , ) ( , )k k kx y I x y I x y 分图像进行二值化处理后所得二值图k1T 和k1T 进行逻辑“或”运： 1 11 11 , , 1,0 , , 0k kkk kD x y D x yR x yD x y D x y 2.2 将两帧差分法和三帧差分法检测效果进行对比。两帧差分法检测孔洞”、“断边”现象严重，这是由于相邻两帧间运动目标重叠三帧差分法有效改善了上述问题，但未彻底解决。

【参考文献】：
期刊论文
[1]视觉目标跟踪方法研究综述[J]. 葛宝义,左宪章,胡永江.  中国图象图形学报. 2018(08)
[2]智能视频监控技术的应用[J]. 郭文涛.  电子技术与软件工程. 2018(15)
[3]聚类算法概述与应用[J]. 马骞.  中国新通信. 2018(14)
[4]基于视觉的人体行为识别算法研究综述[J]. 陈煜平,邱卫根.  计算机应用研究. 2019(07)
[5]目标跟踪算法综述[J]. 卢湖川,李佩霞,王栋.  模式识别与人工智能. 2018(01)
[6]超强脑王来了——评测海康威视“海康超脑”全系列产品家族[J]. 罗超.  中国公共安全. 2017(09)
[7]基于HSV颜色特征和贡献度重构的行人跟踪[J]. 刘梦飞,付小雁,尚媛园,丁辉.  激光与光电子学进展. 2017(09)
[8]基于帧差法和背景差法的运动目标检测[J]. 张应辉,刘养硕.  计算机技术与发展. 2017(02)
[9]运动目标检测方法综述[J]. 慈文彦.  信息技术. 2016(12)
[10]基于图像处理的人群行为识别方法综述[J]. 高玄,刘勇奎,汪大峰.  计算机与数字工程. 2016(08)

硕士论文
[1]视频监控中行人异常行为分析研究[D]. 高翔.电子科技大学 2018
[2]智能监控系统中行人异常行为检测的研究[D]. 张玉明.哈尔滨工程大学 2017
[3]电梯轿厢内乘客异常行为检测[D]. 朱玉杰.中国科学技术大学 2017
[4]视频监控系统中异常行为检测软件设计与实现[D]. 安井然.齐齐哈尔大学 2015
[5]基于视频流的异常人体行为分析[D]. 胡永亮.北京理工大学 2015
[6]基于视觉的人体行为识别研究与系统设计实现[D]. 张敏飞.浙江工业大学 2014
[7]基于最优贝叶斯估计的目标识别与跟踪研究[D]. 王亚亮.北京交通大学 2013
[8]基于视频的人体行为分析[D]. 李鑫鑫.电子科技大学 2012
[9]基于人体运动特征的异常行为检测和姿态识别[D]. 郁映卓.西安电子科技大学 2011
[10]基于LBP的特征提取研究[D]. 王玲.北京交通大学 2009



本文编号：2968121