智能视频监控系统关键技术研究及其在安卓平台下的实现

发布时间：2017-04-10 12:08

  本文关键词：智能视频监控系统关键技术研究及其在安卓平台下的实现，由笔耕文化传播整理发布。

【摘要】：视频监控是人们生活中的一种重要的安保手段。近年来，随着计算机视觉技术的长足进步，传统的视频监控系统也开始向着自动化、无人化、全天候发展，逐步形成了新一代的智能视频监控系统。于此同时，硬件制造技术的迅猛发展使得单片机、手机等智能终端的计算能力越来越强大，逐渐具备了进行图像处理与识别的能力。基于以上研究背景，本文对智能监控系统的几个关键技术进行了研究与改进，并在当下较为流行的安卓平台上加以实现，具体研究工作如下： (1)对智能监控系统的核心技术即运动目标识别算法进行了研究并针对其不足提出了改进。分析了目前应用较多的自适应背景模型、运动历史背景模型、高斯背景模型、码本背景模型及视频背景提取模型，从原理上阐述了每种方法的适用情况，并针对不同评价指标结合具体的数据对其效果与优缺点进行了比较。针对智能移动终端计算能力有限这一实际情况，选取了视频背景提取算法作为系统设计的核心算法。这种方法在拥有较低的算法复杂度的同时，还能得到相对较好的检测效果，是智能终端的不二选择。但该算法也存在一定缺陷，由于其背景建模方法过于简单，仅仅是对第一帧每个像素点的邻域像素进行随机采样，并没有考虑背景中是否已经含有前景的情况，导致在很多情况下该模型容易出现鬼影现象而造成误检。针对这一问题，本文提出了一种改进方法，即将一定数量的待检测帧作为样本，通过对有一定间隔的两帧做逻辑操作得到相对准确的鬼影区域并对其加以去除，最后将处理后的帧作为第一帧重新运行视频背景提取模型的方法。经实验验证这种方法简单、可靠、效果较为理想。 (2)为提高运动目标识别结果的准确性，在识别前后进行了预处理与后处理。通过光学传感器得到的数字图像，总是或多或少的存在一定数量的噪声。这种噪声在一定程度上会导致错误的检测结果。为解决这一问题，本文采用高斯滤波与中值滤波的方法对图像进行优化，提高了待检图像的整体质量。光学传感器自身抖动会导致图像的小范围摆动，这种摆动对检测结果影响较大。为解决这一问题，本文采用运动估计的方法对待检图像进行稳像操作并加以补偿，效果明显。针对运动目标识别的结果采取形态学滤波的方法去除了一定数量的误判。 (3)通过对人体形态学特征进行分析，发现人体的高、宽比例关系处于一定范围之内。通过对是否满足这种比例关系进行判断，，即可在一定程度上识别出人体。通过对人体的识别，排除了后处理中未能解决的误检问题，也为系统做出预警打下了基础；通过对烟雾的监控可以对火灾的发生做出早期的预警。袁非牛提出的烟雾颜色模型算法简单，效果较好，通过对其加以运用，可初步具备火灾预警能力。 (4)在Android平台上设计与构建了智能视频监控系统。结合本文提出的改进后的视频背景提取算法，在安卓平台下通过调用基于OpenCV库实现的C++文件，实现了智能监控系统。
【关键词】：智能监控系统 视觉背景提取 安卓 人体识别 烟雾识别 鬼影
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN948.6
【目录】：

• 摘要4-6
• Abstract6-11
• 第1章 绪论11-18
• 1.1 课题研究背景11-12
• 1.2 智能视频监控系统简介12-14
• 1.3 相关领域发展现状14-17
• 1.3.1 智能监控系统发展现状14-15
• 1.3.2 计算机视觉相关技术发展现状15-16
• 1.3.3 OpenCV 简介16
• 1.3.4 安卓平台简介16-17
• 1.4 论文内容与难点17
• 1.5 论文章节结构17-18
• 第2章 图像预处理与后处理18-25
• 2.1 图像预处理18-23
• 2.1.1 噪声去除18-21
• 2.1.2 运动估计与补偿21-23
• 2.2 图像后处理23-24
• 2.3 本章小结24-25
• 第3章 运动目标识别算法25-40
• 3.1 帧间差分法25-26
• 3.2 光流法26-28
• 3.3 背景差分法28-35
• 3.3.1 自适应背景模型28
• 3.3.2 运动历史模型28-29
• 3.3.3 高斯模型29
• 3.3.4 码本模型29-31
• 3.3.5 视频背景提取模型31-35
• 3.4 差分法各种模型效果比较35-37
• 3.4.1 评价指标说明35
• 3.4.2 实验参数35-36
• 3.4.3 实验结果36-37
• 3.5 对 ViBe 算法导致的“鬼影”现象的改进37-39
• 3.6 本章小结39-40
• 第4章 人体识别与烟雾识别40-45
• 4.1 人体识别40-42
• 4.1.1 基于人体比例关系的人体识别40-41
• 4.1.2 实验结果41-42
• 4.2 烟雾识别42-44
• 4.2.1 常用烟雾识别算法43-44
• 4.2.2 实验结果44
• 4.3 本章小结44-45
• 第5章 安卓平台下的系统实现45-50
• 5.1 安卓平台开发环境简介45
• 5.2 Android OpenCV45-47
• 5.2.1 Android OpenCV 简介45-46
• 5.2.2 在安卓应用程序中调用 OpenCV46-47
• 5.3 智能监控系统设计47
• 5.4 系统运行结果47-50
• 第6章 总结与研究展望50-51
• 6.1 工作总结50
• 6.2 研究展望50-51
• 参考文献51-54
• 作者简介及在学期间所取得的科研成果54-55
• 致谢55

【参考文献】

中国期刊全文数据库 前10条

1 张仕成;;基于Google Android平台的应用程序开发与研究[J];电脑知识与技术;2009年28期

2 常太华,苏杰,田亮;一种基于DSP实现火焰检测的方法[J];华北电力大学学报;2002年04期

3 章慧;张露;;低浓度烟雾检测方法研究与仿真[J];计算机仿真;2012年05期

4 戴斌;方宇强;孙振平;王亮;;基于光流技术的运动目标检测和跟踪方法研究[J];科技导报;2009年12期

5 苏延召;李艾华;姜柯;金广智;;改进视觉背景提取模型的运动目标检测算法[J];计算机辅助设计与图形学学报;2014年02期

6 王民;文义玲;;常用图像去噪算法的比较与研究[J];西安建筑科技大学学报(自然科学版);2010年06期

7 聂p

本文编号：296673