基于监控视频的行人越线检测
发布时间：2021-11-17 15:19
随着国家对社会安全越来越重视,仅靠监控人员肉眼识别危害社会安全、财产安全的行人越线等异常行为,不管是准确率还是效率都不尽人意,传统的监控模式早就不能满足现今民众对于安全的需求,而智能视频监控系统则已经开始取代传统的监控模型并发挥着越来越重要的作用。本论文中设计的基于越线检测的监控系统就是一种可以自主识别越线行为或越线倾向的智能化视频监控系统,该系统充分地运用计算机视觉、数字图像处理等方法对监控摄像头实时拍摄的视频序列进行自动分析并处理,首先进行前景检测和提取,然后对出现在监控视频中的行人做相应的标记和跟踪,最后进行越线行为以及越线倾向检测,同时当视频中出现行人越线行为时进行自动报警提示。该系统可以很好的监控到行人的物理入侵行为,能够在犯罪分子实施入侵犯罪之前预先进行报警,有效的保证监控场所的安全。该系统在matlab2017a软件中进行开发,主要的有四个功能模块,分别为运动目标检测模块,目标识别及跟踪模块,数据处理模块以及显示模块。在运动目标检测模块中,提出了一种自适应阈值策略的ViBe运动目标检测算法,该算法提高了运动目标检测模块的精度;在目标检测与跟踪模块中,分别使用HOG特征训练...
【文章来源】：桂林理工大学广西壮族自治区
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
ViBe算法
鼻爸≈邢袼豴的像素值为Vp，如果p为背景像素且使用像素值Vp更新背景模型,则阈值使用公式2.7进行设置；11()kiiTVpvk公式(2.7)其中iv为该像素点的样本集中的灰度值，k为背景模型中像素p样本集中像素值的个数。如果p的背景模型被其邻居像素更新，则像素p的阈值设置为其邻居像素的阈值；如果p的背景模型没有更新，则其阈值保持不变。为了防止出现阈值过大和过小的情况，阈值应该有上限和下限。因此，阈值设定为T[15,35]。通过对比实验验证自适应阈值的ViBe算法的优势，实验结果如下图：图2.3ViBe算法图2.4自适应阈值的ViBe算法
桂林理工大学硕士学位论文17图3.1数据分类示意图b21B2b22B1b11b12B2的边缘B1的边缘图3.2最优分类结果意图线性支持向量机的最大超平面可以用公式3.1表示。Wxb0公式(3.1)W和b是这个分类模型的两大参数。如图3.3所示，图中的实线为将两组数据分开的一种超平面，用方程fxWxb表示，找到最适合W参数和b参数，使方程的值等于零，那么此时方程表示的就是分类效果最优的最大边界超平面。
【参考文献】：
期刊论文
[1]改进型HLBP纹理特征的行人检测[J]. 周书仁,王刚,徐岳峰. 计算机工程与科学. 2016(05)
[2]基于多尺度聚合通道特征的实时行人检测[J]. 李庆武,仇春春,俞楷,周亮基. 电子测量与仪器学报. 2015(11)
[3]基于时空分布的混合高斯背景建模改进方法[J]. 夏海英,何利平,黄思奇. 计算机应用研究. 2015(05)
[4]智能视频监控技术综述[J]. 黄凯奇,陈晓棠,康运锋,谭铁牛. 计算机学报. 2015(06)
[5]一种基于约束的中垂面相似度准则[J]. 高山,祖辰,张道强. 计算机研究与发展. 2012(11)
[6]一种改进的视频关键帧提取算法研究[J]. 瞿中,高腾飞,张庆庆. 计算机科学. 2012(08)
[7]行人检测技术综述[J]. 苏松志,李绍滋,陈淑媛,蔡国榕,吴云东. 电子学报. 2012(04)
[8]改进的SIFT特征提取和匹配算法[J]. 曾峦,王元钦,谭久彬. 光学精密工程. 2011(06)
[9]基于HOG的行人快速检测[J]. 叶林,陈岳林,林景亮. 计算机工程. 2010(22)
[10]基于自适应多特征融合的mean shift目标跟踪[J]. 袁广林,薛模根,韩裕生,周浦城. 计算机研究与发展. 2010(09)
博士论文
[1]基于机器视觉的铁路异物侵限分布式智能监控技术研究[D]. 马宏锋.兰州交通大学 2014
[2]基于视频的人体行为识别关键技术研究[D]. 于成龙.哈尔滨工业大学 2014
[3]黎曼流形的特征值问题与刚性问题的研究[D]. 储亚伟.郑州大学 2013
硕士论文
[1]基于GPU并行计算的智能视频分析技术[D]. 赵兴方.南京航空航天大学 2016
[2]智能视频监控中人群异常行为的检测与分析[D]. 周洁.宁波大学 2015
[3]治安监控中基于计算机视觉的异常行为检测技术研究[D]. 陈岗.上海交通大学 2015
[4]基于BD-2/GPS组合导航校车安全服务系统定位研究[D]. 陈亚茹.西安科技大学 2014
[5]基于支持向量机车辆检测的算法[D]. 李丽红.江西师范大学 2014
[6]基于智能视频分析的铁路入侵检测系统研究[D]. 李凡.北京交通大学 2012
[7]基于统计结构梯度特征的行人检测[D]. 定志锋.华侨大学 2012
[8]铁路路障视频监测技术[D]. 楼瑞霞.西南交通大学 2006
本文编号：3501182
【文章来源】：桂林理工大学广西壮族自治区
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
ViBe算法
鼻爸≈邢袼豴的像素值为Vp，如果p为背景像素且使用像素值Vp更新背景模型,则阈值使用公式2.7进行设置；11()kiiTVpvk公式(2.7)其中iv为该像素点的样本集中的灰度值，k为背景模型中像素p样本集中像素值的个数。如果p的背景模型被其邻居像素更新，则像素p的阈值设置为其邻居像素的阈值；如果p的背景模型没有更新，则其阈值保持不变。为了防止出现阈值过大和过小的情况，阈值应该有上限和下限。因此，阈值设定为T[15,35]。通过对比实验验证自适应阈值的ViBe算法的优势，实验结果如下图：图2.3ViBe算法图2.4自适应阈值的ViBe算法
桂林理工大学硕士学位论文17图3.1数据分类示意图b21B2b22B1b11b12B2的边缘B1的边缘图3.2最优分类结果意图线性支持向量机的最大超平面可以用公式3.1表示。Wxb0公式(3.1)W和b是这个分类模型的两大参数。如图3.3所示，图中的实线为将两组数据分开的一种超平面，用方程fxWxb表示，找到最适合W参数和b参数，使方程的值等于零，那么此时方程表示的就是分类效果最优的最大边界超平面。
【参考文献】：
期刊论文
[1]改进型HLBP纹理特征的行人检测[J]. 周书仁,王刚,徐岳峰. 计算机工程与科学. 2016(05)
[2]基于多尺度聚合通道特征的实时行人检测[J]. 李庆武,仇春春,俞楷,周亮基. 电子测量与仪器学报. 2015(11)
[3]基于时空分布的混合高斯背景建模改进方法[J]. 夏海英,何利平,黄思奇. 计算机应用研究. 2015(05)
[4]智能视频监控技术综述[J]. 黄凯奇,陈晓棠,康运锋,谭铁牛. 计算机学报. 2015(06)
[5]一种基于约束的中垂面相似度准则[J]. 高山,祖辰,张道强. 计算机研究与发展. 2012(11)
[6]一种改进的视频关键帧提取算法研究[J]. 瞿中,高腾飞,张庆庆. 计算机科学. 2012(08)
[7]行人检测技术综述[J]. 苏松志,李绍滋,陈淑媛,蔡国榕,吴云东. 电子学报. 2012(04)
[8]改进的SIFT特征提取和匹配算法[J]. 曾峦,王元钦,谭久彬. 光学精密工程. 2011(06)
[9]基于HOG的行人快速检测[J]. 叶林,陈岳林,林景亮. 计算机工程. 2010(22)
[10]基于自适应多特征融合的mean shift目标跟踪[J]. 袁广林,薛模根,韩裕生,周浦城. 计算机研究与发展. 2010(09)
博士论文
[1]基于机器视觉的铁路异物侵限分布式智能监控技术研究[D]. 马宏锋.兰州交通大学 2014
[2]基于视频的人体行为识别关键技术研究[D]. 于成龙.哈尔滨工业大学 2014
[3]黎曼流形的特征值问题与刚性问题的研究[D]. 储亚伟.郑州大学 2013
硕士论文
[1]基于GPU并行计算的智能视频分析技术[D]. 赵兴方.南京航空航天大学 2016
[2]智能视频监控中人群异常行为的检测与分析[D]. 周洁.宁波大学 2015
[3]治安监控中基于计算机视觉的异常行为检测技术研究[D]. 陈岗.上海交通大学 2015
[4]基于BD-2/GPS组合导航校车安全服务系统定位研究[D]. 陈亚茹.西安科技大学 2014
[5]基于支持向量机车辆检测的算法[D]. 李丽红.江西师范大学 2014
[6]基于智能视频分析的铁路入侵检测系统研究[D]. 李凡.北京交通大学 2012
[7]基于统计结构梯度特征的行人检测[D]. 定志锋.华侨大学 2012
[8]铁路路障视频监测技术[D]. 楼瑞霞.西南交通大学 2006
本文编号：3501182
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3501182.html
