视频监控系统智能分析与图像质量诊断
发布时间：2021-01-11 13:47
传统的视频监控系统存在使用功能有限、视频数据可用价值低、无自主分析能力等缺点。随着网络传输速度的革命,不断增加的摄像机与呈几何数量增长的数据量更加突显出整个软硬件系统和后期运维的潜在问题。因此,开发一种能够进行故障诊断与智能分析的视频监控系统就显得尤为重要。本文研究了图像预处理、运动目标检测和图像后处理等技术,作为运动目标提取和处理的一部分,实现越界侦测、警戒区域入侵侦测、物品遗留侦测及运动目标跟踪四大智能分析功能。又通过主客观图像质量评价体系的研究,分析视频监控系统从前端到末端各环节可能出现的故障类型及原因,对视频监控系统使用过程中出现的图像模糊、黑白图像、取流异常等故障开展了四个区域的周期性检查诊断。通过研究智能视频分析功能的实现,使视频监控具备事件决策与事件分析判断的功能,切实提高监控系统的自主分析能力,最终呈现出一套可实际应用的具备分析与诊断功能的智能视频监控系统。本文以甘肃会展建筑群为应用对象,通过分析建筑特性,利用智能视频分析功能提升整体安防水平。同时配合图像质量诊断技术的应用,支持视频监控系统可靠运行。开发了一套有智能视频分析功能又兼具图像质量自诊断功能的视频监控系统,提...
【文章来源】：兰州理工大学甘肃省
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
原有模拟视人工注视“电视墙”视频画面是无法视墙”的作用基本已被降至最低
视频监控系统智能分析与图像质量诊断10将视频存储服务器与智能分析、图像诊断服务器并行搭建，保障智能功能可靠性、及时性。搀袒衮衩图2.3智能视频监控系统架构智能视频监控系统中包含智能视频分析系统与图像质量诊断系统，两套系统既独立运行又相互关联，一个用作“前端”图像分析与识别，另一个最大程度地保障着整套智能视频监控系统稳定运行。其工作流程与步骤可概括为图2.4和图2.5。
视频监控系统智能分析与图像质量诊断14视网膜的椎状细胞进行刺激来感受颜色的，将多种强度的颜色叠加在一起就可以生成其他的颜色。根据上述原理，任何彩色的颜色方程均可用式（3.1）表示：BGRF(3.1)其中α,β,γ是红绿蓝三色的三色系数，也称为三色的混合比例。如下图3.2所示，分别以R.G.B三个参数建立坐标系，在这个三维直角坐标颜色系统中，(0,0,0)为黑色，(1,1,1)为白色，中间为其它各种颜色。图3.2彩色RGB立方示意图另外一种YUV图像是利用颜色编码方式来描述图像，Y元素表示明亮度，U和V表示色度与浓度，因为人眼对彩色细节的分辨能力会比对亮度细节的分辨能力低，所以需要把RGB空间表示的彩色图像变换到YUV颜色空间，彩色图像转变为灰度图时，每一种彩色空间都会产生一个亮度分量信号和两个色度分量信号，而且亮度信号(Y)和色度信号(U、V)是相互独立的。YUV空间相当于对RGB空间做了一个线性变化。从RGB格式到YUV格式的转换公式见下式(3.2)：Y0.299R0.587G0.114BU0.147R0.289G0.436B(3.2)V0.615R0.515G0.100B通过分析两种颜色模型的相关特性，我们对RGB颜色模型与YUV颜色模型分别做运动目标提取的运算。下面以室内摄像机采集到的单帧画面为例，首先得到RGB颜色空间下识别到的前景目标（图3.3）。直接对RGB颜色模式下的图像提取前景目标会出现很大的偏差，前景人物已和背景图像（白墙）融为一体。图3.3对RGB图像运用MATLAB程序提取前景目标（二值化图像）
【参考文献】：
期刊论文
[1]智能区域入侵防护系统研究[J]. 刘伟. 铁路通信信号工程技术. 2019(09)
[2]运动目标检测方法概述[J]. 赵亚欣,赵怀勋. 电子世界. 2016(22)
[3]智能摄像机在计算机视频监控系统中的应用探索[J]. 宋丽萍. 信息系统工程. 2016(08)
[4]视频监控中遗留物与遗失物辨别方法的研究[J]. 严余龙,孟朝晖. 电子设计工程. 2016(07)
[5]视频质量诊断系统的设计与应用[J]. 陈开活,罗晓波,李嘉良. 现代计算机(专业版). 2015(32)
[6]基于目标跟踪的区域入侵检测方法研究[J]. 薛八阳,杨忠,钟山,郑海彬,程凯. 电子测量技术. 2015(02)
[7]基于IVS的电网统一视频监控平台研究与应用[J]. 张华峰,李炜,张小东,宋芳. 电力信息与通信技术. 2015(01)
[8]一种视频质量智能检测系统的研究[J]. 尹婕,张冰烨,应国德. 网络安全技术与应用. 2014(11)
[9]目标跟踪技术综述[J]. 高文,朱明,贺柏根,吴笑天. 中国光学. 2014(03)
[10]下一代视频编码标准H.265的核心技术研究[J]. 安然,王浩全,张秀林,刘玉. 计算机技术与发展. 2014(04)
硕士论文
[1]监控视频中的异常目标检测技术研究[D]. 杨振青.安徽大学 2019
[2]视频监控中移动目标检测与跟踪算法设计与实现[D]. 叶光辉.电子科技大学 2017
[3]基于DSP和H.265的视频监控系统研制[D]. 宋从超.安徽理工大学 2015
[4]基于视频的区域入侵检测智能监控系统的设计与实现[D]. 陈桦.电子科技大学 2015
[5]基于光流法的运动目标检测和跟踪算法研究[D]. 刘洁.中国矿业大学 2015
[6]智能摄像机网络的目标检测与跟踪算法研究[D]. 罗如君.上海交通大学 2015
[7]基于视觉注意和自然场景统计的图像质量评价研究[D]. 温阳.西安电子科技大学 2014
[8]基于视频分析的遗留及遗失物检测[D]. 高军.大连海事大学 2014
[9]基于云台摄像机的异常事件实时检测跟踪系统的设计与实现[D]. 杨蕾.北京邮电大学 2014
[10]监控视频图像质量诊断方法研究及实现[D]. 邱铭杰.华东理工大学 2014
本文编号：2970878
【文章来源】：兰州理工大学甘肃省
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
原有模拟视人工注视“电视墙”视频画面是无法视墙”的作用基本已被降至最低
视频监控系统智能分析与图像质量诊断10将视频存储服务器与智能分析、图像诊断服务器并行搭建，保障智能功能可靠性、及时性。搀袒衮衩图2.3智能视频监控系统架构智能视频监控系统中包含智能视频分析系统与图像质量诊断系统，两套系统既独立运行又相互关联，一个用作“前端”图像分析与识别，另一个最大程度地保障着整套智能视频监控系统稳定运行。其工作流程与步骤可概括为图2.4和图2.5。
视频监控系统智能分析与图像质量诊断14视网膜的椎状细胞进行刺激来感受颜色的，将多种强度的颜色叠加在一起就可以生成其他的颜色。根据上述原理，任何彩色的颜色方程均可用式（3.1）表示：BGRF(3.1)其中α,β,γ是红绿蓝三色的三色系数，也称为三色的混合比例。如下图3.2所示，分别以R.G.B三个参数建立坐标系，在这个三维直角坐标颜色系统中，(0,0,0)为黑色，(1,1,1)为白色，中间为其它各种颜色。图3.2彩色RGB立方示意图另外一种YUV图像是利用颜色编码方式来描述图像，Y元素表示明亮度，U和V表示色度与浓度，因为人眼对彩色细节的分辨能力会比对亮度细节的分辨能力低，所以需要把RGB空间表示的彩色图像变换到YUV颜色空间，彩色图像转变为灰度图时，每一种彩色空间都会产生一个亮度分量信号和两个色度分量信号，而且亮度信号(Y)和色度信号(U、V)是相互独立的。YUV空间相当于对RGB空间做了一个线性变化。从RGB格式到YUV格式的转换公式见下式(3.2)：Y0.299R0.587G0.114BU0.147R0.289G0.436B(3.2)V0.615R0.515G0.100B通过分析两种颜色模型的相关特性，我们对RGB颜色模型与YUV颜色模型分别做运动目标提取的运算。下面以室内摄像机采集到的单帧画面为例，首先得到RGB颜色空间下识别到的前景目标（图3.3）。直接对RGB颜色模式下的图像提取前景目标会出现很大的偏差，前景人物已和背景图像（白墙）融为一体。图3.3对RGB图像运用MATLAB程序提取前景目标（二值化图像）
【参考文献】：
期刊论文
[1]智能区域入侵防护系统研究[J]. 刘伟. 铁路通信信号工程技术. 2019(09)
[2]运动目标检测方法概述[J]. 赵亚欣,赵怀勋. 电子世界. 2016(22)
[3]智能摄像机在计算机视频监控系统中的应用探索[J]. 宋丽萍. 信息系统工程. 2016(08)
[4]视频监控中遗留物与遗失物辨别方法的研究[J]. 严余龙,孟朝晖. 电子设计工程. 2016(07)
[5]视频质量诊断系统的设计与应用[J]. 陈开活,罗晓波,李嘉良. 现代计算机(专业版). 2015(32)
[6]基于目标跟踪的区域入侵检测方法研究[J]. 薛八阳,杨忠,钟山,郑海彬,程凯. 电子测量技术. 2015(02)
[7]基于IVS的电网统一视频监控平台研究与应用[J]. 张华峰,李炜,张小东,宋芳. 电力信息与通信技术. 2015(01)
[8]一种视频质量智能检测系统的研究[J]. 尹婕,张冰烨,应国德. 网络安全技术与应用. 2014(11)
[9]目标跟踪技术综述[J]. 高文,朱明,贺柏根,吴笑天. 中国光学. 2014(03)
[10]下一代视频编码标准H.265的核心技术研究[J]. 安然,王浩全,张秀林,刘玉. 计算机技术与发展. 2014(04)
硕士论文
[1]监控视频中的异常目标检测技术研究[D]. 杨振青.安徽大学 2019
[2]视频监控中移动目标检测与跟踪算法设计与实现[D]. 叶光辉.电子科技大学 2017
[3]基于DSP和H.265的视频监控系统研制[D]. 宋从超.安徽理工大学 2015
[4]基于视频的区域入侵检测智能监控系统的设计与实现[D]. 陈桦.电子科技大学 2015
[5]基于光流法的运动目标检测和跟踪算法研究[D]. 刘洁.中国矿业大学 2015
[6]智能摄像机网络的目标检测与跟踪算法研究[D]. 罗如君.上海交通大学 2015
[7]基于视觉注意和自然场景统计的图像质量评价研究[D]. 温阳.西安电子科技大学 2014
[8]基于视频分析的遗留及遗失物检测[D]. 高军.大连海事大学 2014
[9]基于云台摄像机的异常事件实时检测跟踪系统的设计与实现[D]. 杨蕾.北京邮电大学 2014
[10]监控视频图像质量诊断方法研究及实现[D]. 邱铭杰.华东理工大学 2014
本文编号：2970878
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/2970878.html
