论文部分内容阅读
准确而可靠的运动检测技术在智能视频监控中扮演着举足轻重的角色,尽管这一技术得到了越来越多的研究学者的深入关注与研究,然而真实场景中背景环境复杂多变、光照条件不同、飞虫无规则的运动、角度变化等因素都增加了运动检测的难度。本文针对运动检测技术中的热点以及难点问题进行了深入的研究与分析,并在此基础上设计了一套智能视频监控系统。相关工作如下:本文首先从运动检测算法着手,针对大多数算法都是使用原始图像来进行背景建模,通过这种方法所构建的背景模型中常含有噪点信息,影响检测结果。本文引入高斯平滑后的梯度图来构建背景模型的思想,将Vibe算法与三帧差分法相融合的方法对Vibe算法做出改进,改进后的算法显著的改善了运动检测效果。其次针对运动目标行为分析算法,通过将核慢特征分析(Kernel Slow Feature Analysis,KSFA)结合到3D卷积神经网络(3D Convolution Neural Network,3D CNN)中来对行为分析算法做出改进。该方法通过慢特征分析(SFA)提取输入图片的变化缓慢的特征,以及使用核方法降低了丰富的行为分析算法在多维空间上的算法复杂度。通过3D卷积从时间空间的角度出发,捕捉视频流中的运动信息,并且分别在五个通道上进行卷积和下采样操作,并合并各个通道信息得到最终结果。最后,本文在以上算法的基础上设计了一套针对一些禁止入内的区域安全问题的智能视频监控系统。系统初步实现了以下功能:流媒体服务、视频播放、云台控制、视频检测并报警等。