基于视频监控的虚拟电子围栏系统设计研究
发布时间：2021-10-10 09:49
日常生产和生活中,高空坠物伤人事件时有发生,在一些工程施工现场或其他有可能坠落物体的区域,往往通过设置围栏阻止人或宠物进入标记好的危险区域。但传统围栏存在拦截威力较小、入侵报警响应不及时等问题,电子围栏通常需要现场铺设大量设备,成本高且操作繁复。视频监控因为其内容丰富,涵盖面广,实时性强等优点,成为保护人民生命财产安全和维护社会治安的重要工具。本文通过深入研究图像处理与目标检测的技术,设计了一种基于视频监控的虚拟电子围栏系统,可用于代替传统物理围栏或电子光幕围栏,对进入危险区域的人或宠物及时进行报警威慑,防止人或宠物被高空坠物砸伤,具有重要的研究意义和实用价值。本文的主要工作有:（1）研究实现了视频图像的采集、去抖动处理和感兴趣区域（ROI）选取功能。其中去抖动处理在实现图像灰度化和二值化等预处理的基础上,对选取的参考帧进行投影计算,并计算视频参考帧和后续每一帧的相关系数,从而实现了视频图像去除抖动和选取区域最大化的目的。ROI选取功能可通过鼠标在监控图像中绘制任意多边形实现,以选定的ROI边界为虚拟围栏边界,仅对进入ROI区域的图像检测识别。（2）研究了基于YOLOv3算法的目标检测...
【文章来源】：济南大学山东省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
现代畜牧围栏实例图
基于视频监控的虚拟电子围栏系统设计研究8部分——监控视频图像信息采集、监控视频图像相关处理、监控视频图像目标检测。整体研究流程如图1.4所示。图1.4系统整体流程框图（1）对采集到的监控视频图像进行处理。由于外界环境的不稳定性，监控镜头采集到的画面会包含部分抖动，因此将对图像进行初步处理，包括灰度化，二值化，投影计算和去抖动处理。将预处理后的图像进行水平和竖直两个方向的投影计算，然后由两个方向的投影计算水平和竖直方向的相关系数，与初始参考帧对比选取相关性最大的区域，以达到去除因外界因素引起的视频抖动的目的。（2）本文进行识别检测的区域是自定义的有高空坠物风险的区域，因此监控镜头采集到某视觉角度下的图像信息时，风险区域只占整个图像画面的一部分，无风险区域的识别会导致本系统的误报，增加安防人员的工作量，降低本系统的识别精度，因此需要首先选定画面内有坠落风险的区域，即感兴趣区域，选定好后，检测区域只包选定区域，其它无关区域的图像信息与检测无关。（3）最后对处理过的监控视频图像进行目标检测。通过深度学习框架使用标记好的数据进行训练。结合系统应用场景，将禁止进入危险区域的图像种类分为人和宠物的类别，结合实际，将图像进一步细分为人、汽车、摩托车、自行车、狗、猫七个种类，
基于视频监控的虚拟电子围栏系统设计研究12除失稳症提高视频补偿精度的效果[45]；2019年周鹏威等人提出了一种传感器的视频稳像技术，利用改进过的光流传感器获得相邻两帧图像之间的运动矢量，对原始图像进行运动补偿，获得稳定的图像序列，达到去除视频抖动的目的[46]。本设计提出一种基于帧间相关系数的去抖动处理算法，包括图像预处理和帧间相关系数计算。视频初始帧上下左右各去除50像素取中间部分作为参考帧，对参考帧和视频其他帧做水平和竖直方向的投影，利用皮尔森相关系数描述帧间相关性，在其他帧选取与参考帧相关性最大的区域，修复视频异常抖动，得到稳定的视频。2.2.1参考帧选取对于参考帧的选择方式主要有两种：固定参考帧模式和相邻参考帧模式，本设计选取第一种模式——固定参考帧模式。首先获取视频第一帧的图像，将第一帧图像上下左右各去掉50像素之后的图像作为参考郑处理前后效果图如2.1图所示，可以看出，处理后的参考帧画面比原始画面上下左右四个方向略截掉一部分。(a)初始帧(b)参考帧图2.1参考帧的选取2.2.2图像预处理对获取的参考帧图像进行预处理，第一步是灰度化处理。彩色图包括R、G、B三个通道，每个通道的取值范围是0~255，其中0为黑色，255为白色，每个像素点的颜色变化有256256256种，造成每个像素点的计算量很大，不利于后续的处理。灰度化处理是将图像中的彩色信息去除的同时不改变图像亮度，这样操作可以在不改变图像识别精度的基础上简化图像[49]。灰度化处理之后的图像所需的存储空间更少，运算更快。灰度化处理的方法有分量法、平均值法、最大值法和加权平均法四种[50]。分量法是将图像中的三分量的亮度作为三个灰度图像的灰度值，根据实际应用的需
【参考文献】：
期刊论文
[1]基于智能电子围栏技术的老年人监护系统设计[J]. 何豪杰,熊卫卫,黄东林. 价值工程. 2020(01)
[2]智能视频监控与人脸识别技术在监狱安防中的应用研究[J]. 吴蓉波. 中国安全防范技术与应用. 2019(06)
[3]视频稳像算法综述[J]. 王传胜,管来福,童磊,贾锈闳,熊炜. 中国新通信. 2019(24)
[4]改进损失函数的Yolov3车型检测算法[J]. 徐义鎏,贺鹏. 信息通信. 2019(12)
[5]基于光流传感器的视频稳像技术[J]. 周鹏威,季元吉,董超,卢田,胡世传. 光电工程. 2019(11)
[6]基于RetinaNet改进的车辆信息检测[J]. 刘革,郑叶龙,赵美蓉. 计算机应用. 2020(03)
[7]基于CNN的图像显著性目标检测算法概述[J]. 付喜梅,吴艺贤,杜磊. 电脑与信息技术. 2019(04)
[8]图像分类卷积神经网络的反馈损失计算方法改进[J]. 周非,李阳,范馨月. 小型微型计算机系统. 2019(07)
[9]基于AlexNet算法的道路能见度估测方法[J]. 苗开超,王传辉,张亚力,周建平,刘承晓,姚叶青. 计算机与现代化. 2019(06)
[10]改进的SSD算法及其对遥感影像小目标检测性能的分析[J]. 王俊强,李建胜,周学文,张旭. 光学学报. 2019(06)
硕士论文
[1]多尺度特征融合改进YOLOv3网络的行人和车辆检测[D]. 王国文.南京邮电大学 2019
[2]基于改进YOLOv3的安全帽检测系统研究[D]. 何超.华中科技大学 2019
[3]电子稳像中的特征点匹配与平滑滤波算法研究[D]. 陈雨铭.南京大学 2019
[4]基于RetinaNet的行人检测算法研究[D]. 贾兆柱.大连理工大学 2019
[5]基于攻防策略的周界防范技术研究[D]. 吴冠峰.中国人民公安大学 2017
[6]基于LBP特征的人脸识别算法研究[D]. 程雪峰.厦门大学 2014
[7]静止图像的ROI区域自动提取与编码[D]. 冯竞舸.南京邮电大学 2013
[8]视频序列中运动目标检测算法的研究[D]. 潘欣艳.南京邮电大学 2012
本文编号：3428142
【文章来源】：济南大学山东省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
现代畜牧围栏实例图
基于视频监控的虚拟电子围栏系统设计研究8部分——监控视频图像信息采集、监控视频图像相关处理、监控视频图像目标检测。整体研究流程如图1.4所示。图1.4系统整体流程框图（1）对采集到的监控视频图像进行处理。由于外界环境的不稳定性，监控镜头采集到的画面会包含部分抖动，因此将对图像进行初步处理，包括灰度化，二值化，投影计算和去抖动处理。将预处理后的图像进行水平和竖直两个方向的投影计算，然后由两个方向的投影计算水平和竖直方向的相关系数，与初始参考帧对比选取相关性最大的区域，以达到去除因外界因素引起的视频抖动的目的。（2）本文进行识别检测的区域是自定义的有高空坠物风险的区域，因此监控镜头采集到某视觉角度下的图像信息时，风险区域只占整个图像画面的一部分，无风险区域的识别会导致本系统的误报，增加安防人员的工作量，降低本系统的识别精度，因此需要首先选定画面内有坠落风险的区域，即感兴趣区域，选定好后，检测区域只包选定区域，其它无关区域的图像信息与检测无关。（3）最后对处理过的监控视频图像进行目标检测。通过深度学习框架使用标记好的数据进行训练。结合系统应用场景，将禁止进入危险区域的图像种类分为人和宠物的类别，结合实际，将图像进一步细分为人、汽车、摩托车、自行车、狗、猫七个种类，
基于视频监控的虚拟电子围栏系统设计研究12除失稳症提高视频补偿精度的效果[45]；2019年周鹏威等人提出了一种传感器的视频稳像技术，利用改进过的光流传感器获得相邻两帧图像之间的运动矢量，对原始图像进行运动补偿，获得稳定的图像序列，达到去除视频抖动的目的[46]。本设计提出一种基于帧间相关系数的去抖动处理算法，包括图像预处理和帧间相关系数计算。视频初始帧上下左右各去除50像素取中间部分作为参考帧，对参考帧和视频其他帧做水平和竖直方向的投影，利用皮尔森相关系数描述帧间相关性，在其他帧选取与参考帧相关性最大的区域，修复视频异常抖动，得到稳定的视频。2.2.1参考帧选取对于参考帧的选择方式主要有两种：固定参考帧模式和相邻参考帧模式，本设计选取第一种模式——固定参考帧模式。首先获取视频第一帧的图像，将第一帧图像上下左右各去掉50像素之后的图像作为参考郑处理前后效果图如2.1图所示，可以看出，处理后的参考帧画面比原始画面上下左右四个方向略截掉一部分。(a)初始帧(b)参考帧图2.1参考帧的选取2.2.2图像预处理对获取的参考帧图像进行预处理，第一步是灰度化处理。彩色图包括R、G、B三个通道，每个通道的取值范围是0~255，其中0为黑色，255为白色，每个像素点的颜色变化有256256256种，造成每个像素点的计算量很大，不利于后续的处理。灰度化处理是将图像中的彩色信息去除的同时不改变图像亮度，这样操作可以在不改变图像识别精度的基础上简化图像[49]。灰度化处理之后的图像所需的存储空间更少，运算更快。灰度化处理的方法有分量法、平均值法、最大值法和加权平均法四种[50]。分量法是将图像中的三分量的亮度作为三个灰度图像的灰度值，根据实际应用的需
【参考文献】：
期刊论文
[1]基于智能电子围栏技术的老年人监护系统设计[J]. 何豪杰,熊卫卫,黄东林. 价值工程. 2020(01)
[2]智能视频监控与人脸识别技术在监狱安防中的应用研究[J]. 吴蓉波. 中国安全防范技术与应用. 2019(06)
[3]视频稳像算法综述[J]. 王传胜,管来福,童磊,贾锈闳,熊炜. 中国新通信. 2019(24)
[4]改进损失函数的Yolov3车型检测算法[J]. 徐义鎏,贺鹏. 信息通信. 2019(12)
[5]基于光流传感器的视频稳像技术[J]. 周鹏威,季元吉,董超,卢田,胡世传. 光电工程. 2019(11)
[6]基于RetinaNet改进的车辆信息检测[J]. 刘革,郑叶龙,赵美蓉. 计算机应用. 2020(03)
[7]基于CNN的图像显著性目标检测算法概述[J]. 付喜梅,吴艺贤,杜磊. 电脑与信息技术. 2019(04)
[8]图像分类卷积神经网络的反馈损失计算方法改进[J]. 周非,李阳,范馨月. 小型微型计算机系统. 2019(07)
[9]基于AlexNet算法的道路能见度估测方法[J]. 苗开超,王传辉,张亚力,周建平,刘承晓,姚叶青. 计算机与现代化. 2019(06)
[10]改进的SSD算法及其对遥感影像小目标检测性能的分析[J]. 王俊强,李建胜,周学文,张旭. 光学学报. 2019(06)
硕士论文
[1]多尺度特征融合改进YOLOv3网络的行人和车辆检测[D]. 王国文.南京邮电大学 2019
[2]基于改进YOLOv3的安全帽检测系统研究[D]. 何超.华中科技大学 2019
[3]电子稳像中的特征点匹配与平滑滤波算法研究[D]. 陈雨铭.南京大学 2019
[4]基于RetinaNet的行人检测算法研究[D]. 贾兆柱.大连理工大学 2019
[5]基于攻防策略的周界防范技术研究[D]. 吴冠峰.中国人民公安大学 2017
[6]基于LBP特征的人脸识别算法研究[D]. 程雪峰.厦门大学 2014
[7]静止图像的ROI区域自动提取与编码[D]. 冯竞舸.南京邮电大学 2013
[8]视频序列中运动目标检测算法的研究[D]. 潘欣艳.南京邮电大学 2012
本文编号：3428142
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3428142.html
