基于银行视频监控系统的目标状态检测方法的研究和实现

发布时间：2022-10-08 22:07

　　本文着眼于银行业合规管理的事中管控阶段,提出使用智能监控系统进行实时的智能化合规管理,提升智能监控系统在帮助银行降低操作风险方面的辅助功能。尝试利用图像处理技术帮助监控银行业金融机构营业场所内人员状态,实现利用智能监控系统代替人力的目的。本文将基于智能监控系统,重点进行针对与银行业机构场景的目标跟踪算法的研究和实现。（1）基于粒子滤波目标追踪算法的基本原理,完成了目标追踪动态模型和表观模型的构建,并进行跟踪算法的设计。（2）结合粒子群和自适应算法理念,针对银行也金融机构在工作中可能存在的情况,对粒子滤波目标追踪算法的优化。（3）通过融合颜色和纹理特征,完成银行视频智能监控现金场所的人群密度估计模拟,分别实验单特征和特征融合的优化粒子群滤波算法在人群密度中的准确度,对特征融合的粒子滤波算法的可行性进行验证。通过上述研究,提高智能监控系统在银行场景中的实用性,实现对银行场景的目标智能识别跟踪,准确统计人群密度,跟踪监测目标状态,实现以智能监控代替人为监控的目的,提高金融机构合规管理水平,降低操作风险。 

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
第1章 绪论
    1.1 课题研究背景
    1.2 国内外研究动态
        1.2.1 国内研究现状
        1.2.2 国外研究现状
    1.3 课题研究意义
    1.4 本文主要研究内容
第2章 基于粒子滤波的目标跟踪算法
    2.1 目标跟踪相关原理
        2.1.1 图像特征处理
        2.1.2 跟踪方法
    2.2 粒子滤波算法
        2.2.1 粒子滤波算法基本理论
        2.2.2 算法框架
    2.3 粒子滤波目标跟踪
        2.3.1 目标动态模型
        2.3.2 表观模型
        2.3.3 跟踪算法
    2.4 本章小结
第3章 基于粒子滤波的单目标跟踪算法研究
    3.1 自适应重采样算法
        3.1.1 粒子群优化算法
        3.1.2 粒子群优化重采样
        3.1.3 自适应重采样算法
    3.2 变结构多模型运动估计
    3.3 算法实验验证和结果分析
        3.3.1 算法性能仿真验证
        3.3.2 多模型运动变化验证
    3.4 本章小结
第4章 基于特征融合的人群密度估计研究
    4.1 特征的提取和方法选择
        4.1.1 纹理特征的提取方法选择
        4.1.2 颜色特征的提取方法选择
    4.2 特征融合人群密度估计实现
        4.2.1 特征融合人群密度建模
        4.2.2 自适应特征融合
        4.2.3 算法实现流程
    4.3 实验结果与分析
    4.4 本章小结
第5章 结论
参考文献
致谢


【参考文献】：
期刊论文
[1]基于特征融合网络的行人重识别[J]. 种衍杰,方琰,沙涛.  计算机系统应用. 2019(01)
[2]融合深度匹配特征的答案选择模型[J]. 冯文政,唐杰.  中文信息学报. 2019(01)
[3]多层次特征融合的人群密度估计[J]. 陈朋,汤一平,王丽冉,何霞.  中国图象图形学报. 2018(08)
[4]基于多特征融合和混合核SVM的目标识别方法[J]. 李红丽,马耀锋.  沈阳工业大学学报. 2018(04)
[5]Particle Filter Object Tracking Algorithm Based on Sparse Representation and Nonlinear Resampling[J]. Zheyi Fan,Shuqin Weng,Jiao Jiang,Yixuan Zhu,Zhiwen Liu.  Journal of Beijing Institute of Technology. 2018(01)
[6]基于并行卷积神经网络的人群密度估计方法[J]. 贾翻连,张丽红.  测试技术学报. 2018(01)
[7]基于Student’st分布的自适应重采样粒子滤波算法[J]. 滕飞,薛磊,李修和.  控制与决策. 2018(02)
[8]融合直方图高阶统计特征与GLCM特征的室内红外图像人群密度分类[J]. 李熙莹,黄秋筱.  红外技术. 2017(07)
[9]基于目标分割与行为预警的视频智能监控[J]. 郝平.  计算机与数字工程. 2017(07)
[10]基于实时目标跟踪的智能监区视频监控软件设计[J]. 彭爱军,巩青歌,谭海佩.  电子世界. 2017(13)

博士论文
[1]智能视频监控中的运动目标检测与跟踪技术研究[D]. 屈鉴铭.西安电子科技大学 2015

硕士论文
[1]智能视频监控中人群密度分析及突发异常行为检测[D]. 张兵.北京交通大学 2016
[2]视频监控下的人群密度估计及运动轨迹检测[D]. 张晶.河北工业大学 2015
[3]高速公路视频监控系统中车辆识别与道路状态检测的研究[D]. 王翔宇.北京工业大学 2015
[4]基于视频的目标跟踪及人群密度估计方法研究[D]. 郄志安.上海交通大学 2015
[5]视频中的大规模人群密度与异常行为分析[D]. 林沁.厦门大学 2014
[6]视频监控中人群密度的估计和阴影去除研究[D]. 吴筱曼.电子科技大学 2011
[7]复杂场景下实时监控中人群密度估计的研究与实现[D]. 谢鹏程.电子科技大学 2011
[8]运动目标检测和跟踪及其在视频监控系统中的应用[D]. 金星.浙江大学 2010
[9]运动目标检测和智能视频监控系统设计[D]. 鱼亚锋.北京邮电大学 2008



本文编号：3688515