《91智能视频监控的Shape+Context算法的研究与应用.pdf》由会员分享，可在线阅读，更多相关《91智能视频监控的Shape+Context算法的研究与应用.pdf（87页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、东华大学硕士学位论文面向智能视频监控的Shape Context算法的研究与应用姓名：柴望申请学位级别：硕士专业：计算机应用技术指导教师：夏小玲20080201面向智能视频监控的S h a p eC o n t e x t 算法的研究与应用面向智能视频监控的S h a p eC o n t e x t 算法的研究与应用摘要面向人的视频理解尤其是对人脸进行分析，是计算机视觉技术研究中的一个热点与难点。对于视频监控系统来说，大多数应用情况下主要的监控目标是人。因此面向人、尤其是人脸的视频理解技术也是视频监控系统实现智能化的基础。本文对智能视频监控的相关技术进行了探索和研究，重点对于视频监控中的目标
2、识别和人脸匹配进行了研究和探讨。形状匹配是计算机视觉和模式识别的一个基本问题，它被应用到很多领域，如目标识别、基于内容的图像检索等。传统的S h a p eC o n t e x t 算法用于对简单图形进行形状匹配。本文从人脸这一低层视觉角度以智能化视频监控应用为背景对形状匹配进行研究，将S h a p eC o n t e x t 的形状匹配技术，运用到人脸形状匹配中。本文对边界提取算法进行改进，满足人脸的轮廓边界的复杂性要求。先采用扩散滤波技术进行预处理操作，模糊图像的细节，获得的边缘具有更好的光滑质量，增强、保留了重要的边缘特征信息；在此基础上，再使用改进的边缘检测和轮廓提取算法，使边界
3、点既尽可能少地提取了轮廓特征点，又更好地保留了重要的特征点。本方法基于S h a p eC o n t e x t 算法，利用了对数极坐标变换的二维不变性，使形状匹配算法具有二维不变性，克服了传统形状匹配算法的缺点。实验证明，本方法是一种适用智能视频监控的稳定而有效的形状匹配方法。I V耍塑塑堂望堡竺丝堕!兰旦!竺!坠蔓鲨堕婴窒量堡旦最后，将S h a p eC o n t e x t 人脸形状匹配处理算法和其他高级图像处理技术整合到诚丰公司的全I P 网络智能视频监控系统中。其中的人脸检测跟踪及报警模块能够获取运动的人脸目标，跟踪并记录人脸目标信息。在人脸检测目标判断之后，能够使用高速球进行
4、P T Z 跟踪，对可疑目标进行高清晰特写拍摄，离线使用S h a p eC o n t e x t 进行人脸形状匹配。关键词：智能视频监控，形状匹配，S h a p eC o n t e x t，对数极坐标，扩散滤波VR e s e a r c ha n dA p p l i c a t i o no fS h a p eC o n t e x ti nI n t e l l i g e n tV i d e oS u r v e i l l a n c eA BS T R A C TIh eV i d e oa n a l y s i so nh u m a na n df a c ei
5、so n eo ft h eh o ta n dd l m c u l tc o m p u t e rv i s i o nt e c h n o l o g i e s T h em a jo r i t vo fm o n i t o r i n go b j e c t i v e si nv i d e os u r v e i l l a n c es y s t e ma r eh u m a n S ot h eV 1 d e oa n a l y s i so nh u m a na n dh u m a nf a c ei st h ef o u n d a t i o n
6、f o rv i d e os u r v e i l l a n c es y s t e mt ob ei n t e l l i g e n t I nt n l Sp a p e r，w ee x p l o r ea n dr e s e a r c hi n t e l l i g e n tv i d e os u r V e l l h n c es y s t e mw i t ht h er e l e v a n tt e c h n o l o g y，f o c u so nt h eo b J e c tr e c o g n i t i o na n df a c
7、 em a t c h i n gi ni n t e l l i g e n tv i d e os u r V e l I l a n c es y s t e m S h a p em a t c h i n gi so n eo ft h eb a s i ci s s u e si nc o m p u t e rv i s i o na n dp a t t e r nr e c o g n i t i o n I tc a nb eu s e di nm a n va r e a s,8 u c ha so b j e c tr e c o g n i t i o n，c o n
8、 t e n t b a s e di m a g er e t r i e v a l e t c T r a d i t i o n a lS h a p eC o n t e x ta l g o r i t h mi su s e df o rs h a p em a t c h i n gw i t hs i m p l es h a p e I nt h i sp a p e r，w er e s e a r c ht h es h a D em a t c h l n go nt h el o wv i s i o no ff a c ei nt h ea p p l i c a
9、 t i o no fi n t e l l i g e n tv i d e os u r v e i l l a n c es y s t e m，a n da p p l yS h a p eC o n t e x ts h a p em a t c h i n gt e c h n o l o g yt of a c es h a p em a t c h i n g I nt h l Sp a p e r，t h ec o n t o u re x t r a c t i o na l g o r i t h mh a sb e e nl m p r o v e dt om e e
10、tt h ec o m p l e x i t yn e e do ft h ef a c ec o n t o u r W eu s ed l f f u s i o nf i l t e ra sp r e p r o c e s s i n gs t a g e：h e l pt or e m o v et h ei n s i d ec l m t e re d g eo fh u m a nb o d y，m a k et h ec o n t o u rm o r es a l i e n t T h e nw eu s et h ei m p r o v e de d g ed
11、e t e c t i o na n dc o n t o u re x t r a c t i o nV I面向智能视频监控的S h a p eC o n t e x t 算法的研究与应用a l g o r i t h mt oe n h a n c et h ei m p o r t a n tf e a t u r ep o i n t se x t r a c t i o n，a n ds a m p l et h ef e a t u r ep o i n t sb o t hl e s sa n db e t t e r T h em e t h o di sb a s e do
12、nS h a p eC o n t e x ta l g o r i t h m，u s e st h et w o-d i m e n s i o n a li n v a r i a n c eo fl o g p o l a rt r a n s f o r m a t i o n，a n do v e r c o m e st h es h o r t c o m i n go ft h et r a d i t i o n a ls h a p em a t c h i n ga l g o r i t h m I ti sp r o v e dt h a tt h i ss h a
13、 p em a t c h i n gm e t h o di ss t a b i l ea n de f f e c t i v e，a n di ti sa p p l i c a b l et oi n t e l l i g e n tv i d e os u r v e i l l a n c es y s t e m F i n a l l y，S h a p eC o n t e x tF a c es h a p em a t c h i n ga l g o r i t h ma n do t h e ra d v a n c e di m a g ep r o c e s
14、 s i n gt e c h n o l o g i e sa r ei n t e g r a t e di n t oC h e n g f e n gc o m p a n y Si n t e l l i g e n tI Pv i d e os u r v e i l l a n c es y s t e m F a c eD e t e c t i o n，T r a c k i n ga n dA l a r mm o d u l ec a nd e t e c tf a c e，t r a c ka n dr e c o r dt h e i ri n f o r m a t
15、 i o n A f t e rf a c ed e t e c t i o na n dr e c o g n i t i o n，t h eh i g h s p e e dP T Zc a m e r ac a nt r a c kt h es u s p i c i o u s，h i g h d e f i n i t i o nf e a t u r e ds h o o t，f a c es h a p em a t c ho f f i i n eu s i n gS h a p eC o n t e x t K E Y W O R D S：I n t e l l i g e
16、n tV i d e oS u r v e i l l a n c e，S h a p eM a t c h，S h a p eC o n t e x t，L o g p o l a r,D i f f u s i o nF i l t e rV I I面向智能视频监控的S h a p eC o n t e x t 算法的研究与应用东华大学学位论文原创性声明本人郑重声明：我恪守学术道德，崇尚严谨学风。所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已明确注明和引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品及成果的内容。论文为本人亲自撰写，我对所写
17、的内容负责，并完全意识到本声明的法律结果由本人承担。I I学位论文作者签名：视日期：2，伸吕年2-月2 1 0 日面向智能视频监控的S h a p eC o n t e x t 算法的研究与应用东华大学学位论文版权使用授权书学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅或借阅。本人授权东华大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密口，在年解密后适用本版权书。本学位论文属于不保密口。学位论文作者签名：规指导教师签名：疆小日期：沙子年上月汐
18、日日期：瑚p 年 月1日l l I面向智能视频监控的S h a p eC o n t e x t 算法的研究与应用1 1 引言第一章绪论随着社会经济的发展和硬件水平的不断提高，视频监控系统在各个方面得到了广泛的应用。利用计算机视觉技术、提高视频监控系统的自动化程度、减少人的参与，即实现视频监控的智能化，是视频监控系统未来的发展方向。面向人的视频理解技术是计算机视觉技术研究中的一个热点与难点。对于视频监控系统来说，大多数应用情况下主要的监控目标是人。因此面向人的视频理解技术也是视频监控系统实现智能化的基础。在智能视频监控系统中，对人体运动图像建模是第一个阶段。通过人体运动图像建模，能够将人从监控
19、视频中提取出来，得到人体各特征部位的信息。形状匹配是计算机视觉和模式识别的一个基本问题，它被应用到很多领域，如目标识别、基于内容的图像检索等。面向人的视频理解中最重要的是对人脸进行分析，本文从这一低层视觉角度以智能化视频监控应用为背景，对形状匹配，尤其是人脸形状匹配技术进行研究，主要研究了基于S h a p eC o n t e x t 的面向智能视频监控的人脸形状匹配技术，并利用现有技术对大范围的视频监控提出了一套智能化的解决方案。1 2 研究背景目前，广泛应用在银行、商场等场合的摄像机监控通常只是简单的录像，以便用于事后的取证，而这样的应用损失了图像的基本价值(一个动态的、实时的媒质)，就
20、如同把直播变成录像一样，这与人们对视频系统真正需求是有差距的。无数事实证明，事后追查是必须的，但事前的预警更为重要，它可以把一些重大事件隐患抑制于萌芽之中，避免亡羊补牢。因此监控系统智能化成为一个重要研究方向 6 1-6 3】。所谓“智能化”，就是要充分挖掘抽取视频资源中的关键信息，并利耍塑塑堂望塑些丝箜!呈墼!里!垫簦鲨塑堕壅量壁旦用这种信息为用户提供有价值的服务。比如，当监控系统发现一个来历不明的物品较长时间地出现在安全区域，或者发现可疑人物游荡在安全管理的区域以及其他的异常行为时，系统能对这样一些具有潜在威胁的事件及时捕获，并对是否介入事件做出智能的判断，从而有效抑制人作为行为主体所引致
21、的系列问题，实现真正意义上的全天候的监控。智能视频监控系统除了可以提高报警精确度，减少漏分析或者误分析的现象外，还可以缩短响应时间，提高响应速度，形成更为有效的现场数据，在安全威胁发生之前就能够提示安全人员关注相关监控画面，为潜在威胁做好准备工作。于是，近年来，智能视频监控系统也开始在一些特定的场合，如车站、银行、商场等公共领域普及逐渐兴起。实际上，目前大多数监控系统都还停留在普通的网络视频监控(工P监控、数字化监控)的概念上。简单地说，“眼睛 到处都有，但是智能化的程度并不高，还处于比较初始的阶段。一些智能化监控系统还只能分析一些较为简单的异常行为，其光照环境适应性也处在较低的水平，离用户所
22、期望的理想效果还差得比较远。随着市场上对智能视频应用需求的不断提升，很多厂商正投入资金和研发力量从事监控系统智能化的研究，也有不少厂商开始着手引进国外知名厂商的智能视频软硬件技术，推出了自己相关的产品，整个市场处于起步阶段。具体在应用层面，智能视频监控系统的应用大体上可以分为安全相关应用和非安全相关应用两大类。安全类相关的应用是目前市场上存在的主要智能视频应用，此类应用主要包括：高级视频移动侦测、物体追踪、人物面部识别、车辆识别和非法滞留等。此外，智能视频还可以用到一些非安全相关类的应用当中，比如人数统计、人群控制、注意力控制和交通流量控制等。目前来说，对于以目标整体的运动轨迹作为研究目标，提
23、取运动目标的运动特征或者其本身所具有的特性这种类型的视频智能分析已经取得了一定的成果。这一类研究目标不一定是人，也可以是车辆、动物或飞机坦克等军事目标。目前市场上已经有相应的产品，尽管还不是非常成熟。例如智能交通系统中的车流量统计，拥堵检测等功能，已经在实际中得到广泛的应用。而不同的应用场合，用户也会针对自身的需要对智能监控系统提出耍塑塑丝望塑些丝箜!呈旦!竺!竺!簦鎏箜堕壅量查旦要求。比如智能交通监控，就要求能够在浓雾、大雪、或者暴雨等恶劣气候条件下完成智能分析，达到一定的准确率。而对于室内的监控，则不会有以上的需求，一般只需要考虑光线的变化。任何智能监控系统都不是万能的，针对不同的应用需求
24、，产品才会有不同的目标市场和目标用户。当前普遍被接受的智能系统主要包括智能交通系统，城市治安智能监控，以及智能楼字中的监控系统等。由于算法的复杂度以及目标行为的多样性等原因，市场上有关视频智能分析的研究发展一直比较缓慢。例如，以目标的局部部分运动为研究目标，来提取其局部的“肢体语言 特征，如视频的手语识别、步态识别、表情识别，或者判断其是否在完成某种行为都比较困难，其难点首先在于还缺乏高效可靠的算法，核心算法制约了技术发展。尽管对于视频的智能分析，国内外学者已经提出许多被证明是有效的算法，但是相当一部分的算法要么复杂度太高不适合实时实现，要么自适应性较差因而应用场合受限要么还停留于理论阶段，离
25、实用仍有不小的距离。其次，由于受计算机和处理器资源的限制，随着客户对图像质量与智能分析要求的不断提高以及系统规模的不断扩大，对监控系统的处理能力提出了极高的要求。虽然飞利浦，T I 等半导体厂商不断推出性能优越的处理器芯片，但是对于海量的视频数据计算，处理器资源还是显得捉襟见肘。以目前市场需求和各研发机构推出的技术来看，今后的智能视频监控系统的发展将会向两个方向推进：一个是如何及时精确地判断目标的特定身份，比如人脸识别。另外一个是及时准确地判断运动目标的行为是否具有威胁性，并做出及时反应。总的来说，未来的智能视频监控将朝两个方向发展：一是适应更为复杂和多变的场景；其次是能识别和分析更多的行为及
26、异常事件。而且，相比以前的系统构建，高处理能力和多核D S P 的出现，使得智能视频监控成本下降很多，算法资源大大增加，效率也大大提高。展望未来，智能化功能将更强大。面向智能视频监控的S h a p eC o n t e x t 算法的研究与应用1 3 国内外研究现状虽然目前国内安防技术及应用的水平还很落后，但是发展速度很快【6 4 1。2 0 0 5 年，安防界人士聚在一起，安防的数字化、网络化、智能化仅仅被一些对前沿技术敏感的企业作为一种很不清晰的概念提出来，市场并没有相应产品作为支撑。而到了2 0 0 6 年，比较成熟的数字D V R、网络摄像机、网络视频服务器产品就出现了，在数字化的基
27、础之上，视频监控网络化的实现已经没有技术和产品上的悬念。到了2 0 0 6 年年末，作为安防视频监控“三化 最高境界的视频监控智能化的趋势变得更加清晰。在I P 监控产品上，人们开始追求嵌入了视频分析软件的摄像机产品及相关设备。视频监控智能化的关键技术是视频分析软件，人们对于视频监控智能化的关注也开始由硬件产品延伸到软件产品上来。通过学习人的行为并自动地实时检测各种物体，并对其行为作出分析判断的智能视频分析软件成为人们关注的重点。随着安全监控系统迅速迈向数字化、网络化，系统的开放性、集成性、灵活性以及智能程度正在被更多的使用者所关注，安防产业面临着一个新兴的、机遇与挑战并存的发展成长空间。在众
28、多数字化视频监控新技术中，智能视频监控技术是最前沿的应用之一，是视频监控系统全面走向数字化、网络化、智能化发展的必然趋势。视频监控智能化的关键技术是视频图像识别分析软件(I V S，I n t e llig e n tV id e os o f t w a r e)。智能视频技术借助强大的数据处理功能，对视频画面中的海量数据进行高速分析，过滤掉用户不关心的信息，仅仅为监控者提供有用的关键信息。如果把摄像机看作人的眼睛，而智能视频系统或设备则可以看作人的大脑。说到智能视频分析软件，就不能不提到O b j e c tV id e o。O b j e c tV id e o是全球领先的智能视频监控系
29、统软件供货商，其软件广泛运用在安防、公共安全、商业智能信息收集、流程改进、以及其他的应用领域。O b j e c tV id e o 于1 9 9 8 年由几位全球知名的美国前国防先进技术研究计划署科学家及项目经理所创立，公司总部位于美国维吉尼亚州R e s t o n 市，是一家私有企业，并获得全球知名的创业投资公司所资助。该公司由超过10 04塑塑塑堂望塑堕堡箜!呈旦!里!兰!兰鲨箜堕壅皇些旦名具有高度技术能力的专家以及具备丰富经验的管理团队所组成，公司内部有近4 0 的研究开发人员具备博士学位，且在全球计算机视觉(C o m p u t e rV iS i O n)研究领域居领先地位。O
30、 b j e c t V i d e o 公司通过智能视频合作伙伴进行产品的营销和销售，其中包括制造商、分销商以及领先市场的安防系统集成商。到目前为止，O b j e c t V i d e o 在全球有超过1 7 7 个用户，将O b j e c tV i d e o 的系统安装在1 8 个国家、2 3 5 个点，为超过8 万7 千个视频信道提供智能分析的能力。世界各国由于国际反恐和国内治安监控的需要，产生了对智能化视频监控的巨大需求，有市场调查机构预计，智能视频系统的销售额将从2 0 0 5 年的6 千万美元增长到2 0 12 年的4 亿美元，智能视频系统将成为主流。在视频智能分析软件的市
31、场需求急剧增长的刺激下，国外提供视频智能分析软件产品的厂商已经有了大把一一V e r in t、V id ie n t、W e s t e c、I n t e r a c t i y e、V is u a lD e f e n c e、N e x t i v a、Y i s t a s c a p e、N i c e V i S i O n、i o i m a g e、T A S C、M A T E、O v、D a l l m e i e r、I v b o x、V i s e o w a v e 一一都能提供视频智能分析产品，大部分厂商提供的视频智能分析产品，都基于O b j e c t V
32、 i d e o 公司的图分析技术，采用O b j e c tV i d e oO n B o a r d 平台来设计并创建自己品牌的O E M 产品，这是大部分视频智能分析产品商以最小的投资成本及最快的时间来赢得市场的好办法。国内企业，也开始了对智能视频分析软件的尝试。北京迪威泰克数码科技有限公司开发出“沸点 B P-I V S 系列智能视频分析监控系统。包括了数字图像录制、安全规则比对、报警控制管理、高速目标跟踪、以及视频网络传输、集中控制管理等多重功能，形成了一套完整的“智能视频分析(I V S)系统，该系统已于2 0 0 6 年9 月在“北京城铁13 号线安防与反恐系统 工程中投入使用
33、。上海世平伟业公司开发出了I v b o x智能视频分析系统。上海皓维也宣布推出了智能视频分析预警系统。2 0 0 7年7 月2 7 目，北京兆维泰奇科技有限公司宣布了推出基于O b j e c t V id e o技术的E a g l e M a g e 智能视频分析系统。北京兆维泰奇科技有限公司通过获取O b j e c t V id e oO n B o a r d 核心分析软件许可，生产出新一代智能图像分析设备E a g le M a g e。E a g l e M a g e 应用了先进的基于O b j e c t V id e oO n B o a r d 的视频分析技术，其双通道
34、智能型视频处理单元V P U 采用了超S耍塑笪壁望壑堕堡塑!呈旦!竺!兰!兰鲨箜堕壅皇些旦高速数字信号处理芯片D S P。通过在基于D S P 的高性能数字媒体处理器中集O b j e c tV id e o 的软件，先进设备就具备了内置的高级视频分析功能。智能视频分析系统的应用范围广泛，应用功能主要包括以下几个方面【6 5 6 7 1。1)高级视频移动侦测(A d v a n c e dV M D)：在复杂的天气和光线环境中(例如雨雪、大雾、大风、树影摇动等)精确侦测和识别单个或多个目标的运动情况、运动方向、运动特征等。安全规则包括了禁区报警、绊线报警、尾随检测、运动方向异常报警等多种类型。
35、2)物品丢失或位移检测(M o v i n gD e t e c t io n)：系统可自动检测监控场景中的物体丢失或被移动，主要用于在复杂场景中的贵重物品和关键设备的监控。3)物体追踪(M o t i o n T r a c k i n g)：在侦测到移动物体后，根据物体的运动情况自动发送P T Z 控制指令，使摄像机能够自动跟踪物体，在物体超出该摄像机监控范围之后，自动通知物体所在区域的摄像机继续进行追踪。4)人脸识别(F a c i a lD e t e c t i o n)：自动识别人物脸部特征并与数据库进行比较以验证人物身份。此类应用又可以细分为“合作型 和“非合作型”两大类，“合作
36、型”应用需要被监控者在摄像机前停留一段时间，通常与门禁系统配合使用。“非合作型”则可以在人群中识别出特定的个体。5)车辆识别(V e h i C l e I d e n t i f i c a t i o n)：根据车辆形状、颜色、车牌号码等特征进行识别并反馈给监控者，用于被盗、疑似车辆追踪等。6)非法滞留(O b j e c tP e r s i s t e n c e)：当一个物体(如箱子、包裹、车辆、人物等)在敏感区域停留的时间过长(或超过了预定义的时间长度)即产生报警。典型应用场景包括机场、火车站、地铁站等。7)烟火检测(F i r eD e t e c ti o n)：根据火情产生过
37、程中烟与火所表现出的时空特征进行烟、火实时检测，可用于森林防火或易燃、易爆等危险品储藏区域的烟火检测。8)人流量统计(P e o p l eC o u n tin g)：统计穿越入口或指定区域的人或物体的数量。例如为业主计算某天光顾其店铺的顾客数量。一耍塑塑壁望丝竺丝竺!兰竺里竺!兰!墨鎏塑翌壅皇垒旦9)人群控制(F l o wC o n t r 0 1)：识别人群的整体运动特征，包括速度、方向等等，用以避免形成拥塞或及时发现异常情况。典型的应用场景包括超级市场、车站、候机楼等人员可能大量聚集的地方。1 0)人体行为分析(A c t io nA n a l y z e)：在目标检测分类的基础上
38、，利用人体的各种行为特征对其所进行各种行为的描述和分析，提取那些危险和有潜在危险的行为，如打斗、抢夺和突然倒地等行为。11)注意力控制(A t t e n ti o nC o n t r 0 1)：统计人们在某物体前面停留的时间。可以用来评估新产品或新促销策略的吸引力，也可以用来计算为顾客提供服务所用的时间。12)交通流量控制(T r a f f iCF 1O W)：用于在高速公路或环线公路上监视交通情况，例如统计通过的车数、平均车速、是否有非法停车、是否有故障车辆等。智能视频监控是下一时代视频监控技术的重要发展趋势。视频监控的智能化不仅给视频智能分析软件(系统)商带来了商机，对于监控产品的制
39、造商，视频监控智能化的影响也是巨大的。对日趋同质化的产品市场而言，开发出嵌入了视频智能分析软件的前端监控产品如摄像机、视频服务器和存储器，让智能设备能判定什么时候它所感兴趣的内容会发生，并且只有在那时才传输视频，从而有效节省带宽，提高可用网络带宽，就成为轻松跳出同质化竞争，赢得高端市场的高额利润的最佳选择。看到这一趋势，位于产业链上游的芯片供应商也纷纷与智能视频分析软件商合作，将视频分析软件嵌入产品芯片中。不久前，德州仪器(T I)宣布智能视频软件套件O b j e c t V i d e oO n B o a r d将结合达芬奇(D a V in c i(t m)技术，实现数字化视频监控，以
40、满足监控市场对更高智能不断增长的需求，帮助监控厂商快速开发出具有强大可靠的智能视频功能的新品。基于O b j e c tV id e o 公司的图像分析技术，O n B o a r d 是运行在T e x a sI n s t r u m e n t(德州仪器)6 4 位(D M 6 4 xD ig it a lS i g n a lP r o c e s s o rD S P)高性能数字信号处理器平台上的智能视频分析软件方案。它可以让制造商能够在最短的时间、最低的成本内，将智能视频分析技术整合进各种监控产品(摄像机、视频编码器、路由器、D V R和视频存储平台)，轻易地生产出新时代、且符合特
41、定市场需求的智能视耍塑塑丝望塑些堡塑!呈旦!里!呈!三!墨鎏堕堕茎皇堡旦频监控产品。凭借基于达芬奇技术的高性能数字媒体处理器上实现的智能视频与编解码器，下游厂商可显著节省各种智能视频应用的开发时间与成本。由于视频监控智能化市场的需求和相应技术的逐步成熟，国内外监控领域的公司纷纷采取有力措施应对市场的需求，H o n e y w e ll 安防集团收购了纽约州布里尔克利夫马纳市的视频分析软件以及安防监控技术供应商A c t i v E y e 公司，希望实现与霍尼韦尔现有产品的整合以及一系列全新的数字解决方案和产品的推出。国外安防巨头企业G E、B o s c h、松下、索尼、三星、A x s
42、i 等也都推出了嵌入了智能视频分析软件的监控产品和系统。国内的企业如海康，也开始了产品与智能视频分析软件的结合。今年年初，德州仪器(T I)与O b j e c tV id e o 共同宣布与杭州海康威视数字技术有限公司(H ik v iSi o n)携手开发下一代智能视频监控领域的创新。H ik v iS i o n 将在其新一代创新智能视频产品中采用基于T ID S P 平台、内嵌O b j e c tV id e o 智能视频监控系统软件的智能视频监控产品。海康智能视频分析监控产品的推出，必会成为国内安防产品市场上更多智能视频分析监控产品和设备出现的起始。这无论是从为智能视频监控的大规模
43、应用提供充分的硬件环境看，还是从提高产业技术水平，提升市场竞争水平上看，这都是一个好讯息。随着视频监控技术从模拟向数字系统、再由数字系统向智能分析系统的快速转换，智能视频分析系统利用内容分析引擎和推论引擎软件对视频数据进行全面分析并依据所设定的安全规则实施告警，必将使单一的视频压缩、运动检测、网络传输、人工控制指挥中心这一传统的模式提升为更为先进、全新的、革命性安全管理策略。智能视频分析技术将加速数字视频取代模拟视频的速度，随着“智能视频分析”系统的采用，进一步提高监控效能，传统的(在中央控制室中)集中监控的模式也将逐步转向到分布监控模式，监控中心工作人员将从枯燥地屏幕观察中解放出来，不再固守
44、于传统的监控室，而投身于更靠近监视与行动现场的地方，而由“智能视频分析系统向保安人员自动传达可疑目标的位置信息，更迅速地处理现场情况，满足长久监视与“反恐快速反应的需8雪塑塑璧望塑竺笙箜!兰旦!里!呈!坚墨鎏塑里壅兰堡旦一一求，可以预见，跟随V I S 的到来，智能化视频监控将迅速融入各类安全控制系统发挥重要作用，视频监控的智能化时代即将来临11 4 本文的研究内容在智能视频监控系统中，对人体运动图像建模是第一个阶段。通过人体运动图像建模，能够将人从监控视频中提取出来，得到人体各特征部位的信息。形状匹配是计算机视觉和模式识别的一个基本问题，它被应用到很多领域，如目标识别、基于内容的图像检索等。
45、本文的创新点及主要工作包括：对智能视频监控的相关技术进行探索和研究，重点对于视频监控中的目标识别和人脸匹配进行研究和探讨。相对于传统的S h a p eC o n t e x t 算法用于对简单图形进行形状匹配，从人脸这一低层视觉角度以智能化视频监控应用为背景对形状匹配进行研究，将S h a p eC o n t e x t 的形状匹配技术，运用到人脸形状匹配中。对边界提取算法进行改进，满足人脸的轮廓边界的复杂性要求。先采用扩散滤波技术进行预处理操作，模糊图像的细节，获得的边缘具有更好的光滑质量，增强、保留了重要的边缘特征信息；在此基础上，再使用改进的边缘检测和轮廓提取算法，使边界点既尽可能少
46、地提取了轮廓特征点，又更好地保留了重要的特征点。本方法基于S h a p eC o n t e x t 算法，利用了对数极坐标变换的二维不变性，使形状匹配算法具有二维不变性，克服了传统形状匹配算法的缺点。实验证明，本方法是一种适用智能视频监控的稳定而有效的形状匹配方法。将S h a p eC o n t e x t 人脸形状匹配处理算法和其他高级图像处理技术整合到诚丰公司的全I P 网络智能视频监控系统中。其中的人脸检测跟踪及报警模块能够获取运动的人脸目标，跟踪并记录人脸目标信息。在人脸检测目标判断之后，能够使用高速球进行P T Z 跟踪，对可疑目标进行高清晰特写拍摄，离线使用S h a p
47、eC o n t e x t 进行人脸形状匹配。9面向智能视频控s h a 口eC o n t e x t 算自勺研究S m 月2 1 引言第二章智能视频监控相关理论知识本章对智能视频监控的相关技术进行探索和研究，并结合智能视频监控系统的应用进行研究和探讨。2 2 前景背景检测前景背景检测通常是智能视频监控系统的第一步，也是非常重要的一步，检测的效果直接影响后续的处理。室外环境相比室内环境要复杂得多，飘动的树叶、闪动的水波等都会对背景检测效果产生很大的影响。背景检测在室内环境中效果比较好而实际应用则需要背景检测在室内、室外均需要好的效果。图2。l 定外环境中的前景背景检测如图21 所示，刘制频
48、的菜帧进行前景背景检测，将三个人从背景中提取出柬，没有受到周围环境的不良影响。现有的基本的背景估计方法人毁有四种：背景统计法、S u r e n d r a 背景更新算法、卡尔曼滤波法以及背景模，唑法。22 1 背景统计法其做法是通过在一段时间内埘像素点的灰度进行统计，取其平均值作为背景点的灰度估计，滤去变化剧烈的部分。由于是对一段灰度时间面向智能视频监控的S h a p eC o n t e x t 算法的研究与应用序列使用相同权值累加，所以得到的背景质量较差并随车流量增大而变坏。2 2 2S u r e n d r a 背景更新算法S u r e n d r a 背景更新算法【9】相对于背
49、景统计法来说在对背景点的更新上增加了选择性，它是通过计算帧差图像得到物体的运动区域，对该区域内的背景保持不变，只对非运动区域的背景点进行加权迭代更新，来得到背景的估计图像。2 2 3 卡尔曼滤波法卡尔曼滤波法【1 0 1 是将每个像素点的灰度时间序列视为带有噪声的背景灰度观测值，通过K a l m a n 时域递归低通滤波来估计出缓变的实际背景图像。在每帧的背景灰度加权平均估计中，如果灰度实测值与上一次背景估计值相差较小则用较大的卡尔曼更新增益加权迭代，否则采用小的卡尔曼更新增益，从而实现低通滤波估计。这种背景估计的前提必须是运动目标要比背景的相对变化快得多，并且两个卡尔曼更新增益的选择在很大
50、程度上决定了背景更新的效果。2 2 4 背景模型法背景模型法对每个像素点建立统计模型，认为像素点的灰度分布符合某种概率分布如高斯分布模型】、混合高斯分布模型【12 1、非参数化模型 1 3】等。用每个点的灰度时间序列不断更新该点的背景模型，取其中高概率灰度作为背景。这种方法符合实际特点，所提取的背景有较高的质量和适应性。2 3 目标检测最常见的目标检测算法是连通跟踪算法【2 4 1，其处理流程如下：1)在前景背景检测之后，得到所有连通块，将每个连通块作为一个被检测目标；2)跟踪目标，并尝试在当前和先前的视频帧中得到该目标：l l亘塑塑登望塑竺丝堕!呈里呈!垫竺鲨竺堑壅皇生旦3)将检测出的新目标