论文部分内容阅读
数据挖掘是当前计算机学科的一个前沿研究方向。作为一门应用性很强的新兴技术,它存在很多值得研究的地方。其中视频挖掘(VideoMining)是其中一个重要的分支,视频挖掘就是通过综合分析视频数据的视听特性、时间结构、事件关系和语义信息,发现隐含的、有价值的、可理解的视频模式,得出视频表示事件的趋向和关联,改善视频信息管理的智能程度。视频监视在国民经济的许多场合有广泛的应用,自动视频监测是监视系统的未来方向,也是视频挖掘的一个应用模式。自适应背景提取是自动监视系统的一个基本功能。本文首先描述了用于实验的分析系统,它用于分析来自路口摄像头的视频信息,从中提取出车辆,计算车辆速度的大小和方向。这一系统使用Microsoft的DirectShow实现,DirectShow是Windows平台上流媒体播放和控制的标准实现方法。然后,本文对分析系统的核心算法-运动模板检测法-作详细的描述。但原始的运动模板法使用视频流的前一帧图像作为当前图像的背景,造成运动物体识别不清楚。所以,论文的最后为运动模板法引入了背景分析,提高物体识别的准确性。论文中分析了常用的背景提取方法,并详细介绍高斯混合模型(GMM)和用于求解GMM参数的最大化期望值算法(EM)的基本原理。并将GMM方法加入到系统的背景提取中,得到了更好的分析结果。