面向智能視頻監(jiān)控的前景提取和動作識別技術研究.pdf

1、隨著當今社會的不斷發(fā)展，各種治安事件和恐怖主義事件層出不窮，給社會管理工作帶來了極大的挑戰(zhàn)。為了達到安全防控的目的，快速應對突發(fā)事件，人們需要一種能夠更加及時地獲取信息和利用信息的方法。值得慶幸的是，隨著計算機技術和網絡技術的快速發(fā)展，構建大規(guī)模網絡化的視頻監(jiān)控系統(tǒng)已經成為了可能，視頻監(jiān)控系統(tǒng)已經成為了一種現代城市所必需的新型基礎設施。但是，隨著監(jiān)控數據量的爆炸性增長，傳統(tǒng)的人工監(jiān)控方式已經不能滿足需求，必須推動研制新一代基于人工智能，

2、可以對視頻進行自動分析、識別和檢索的智能視頻監(jiān)控系統(tǒng)，已經成為了安防界和科研界的共識。
　　 在諸多智能視頻監(jiān)控技術研究領域中，如何獲取監(jiān)控視頻中與人體對應的前景并對其動作進行識別是一個重要的研究課題。但是，由于人體可以活動的自由度相當高，并且在外觀和動作方面的個體差異性很大，對其進行精確高效的自動分析面臨著許多困難。本文針對智能視頻監(jiān)控中的前景提取與動作識別問題，圍繞三個關鍵子問題，即視頻中運動前景的提取、運動前景的去模糊、人

3、體動作識別，進行了研究，提出了相應的解決方法。本文的主要內容概括如下:
　　 首先，對智能視頻監(jiān)控中前景提取和動作識別問題進行了介紹，對一些基本概念和方法進行了歸納，然后圍繞三個關鍵子問題進行展開，對傳統(tǒng)方法、技術現狀和發(fā)展趨勢進行了綜述，對容易混淆的術語做出了定義。
　　 其次，傳統(tǒng)的背景建模方法沒有考慮視頻在時間和空間鄰域內的信息冗余，從而造成了背景模型的過度臃腫。本文針對這種弊病，提出了基于視頻塊的背景建模技術，在

4、塊的層次上對背景進行了建模，大大降低了算法的空間復雜度;同時，方法簡化了色彩編碼本模型，降低了時間復雜度，使查找速度得到提升。
　　 再次，傳統(tǒng)處理視頻圖像模糊方法針對的場景是相機抖動產生的模糊，不能適應視頻監(jiān)控等場景下因為物體運動所產生的模糊。為此，本文提出了一種針對視頻中運動前景的模糊估計方法。該方法采用仿射運動模型來描述物體運動，利用KLT特征對物體運動的模型參數進行了估計，并依此得出了點傳播函數。本文提出了一種新的蒙板估

5、計方法，利用先前估計出的點傳播函數對蒙板進行了細化，從而對前景進行精確的提取。與傳統(tǒng)的蒙板提取方法相比，本文的方法不僅不需要手工交互，而且受噪聲影響更小。另外，本文提出了一種基于迭代的理查德露西反卷積方法，可以利用空間變化的點傳播函數對圖像進行還原。
　　 最后，本文突破了人體動作識別的底層特征和分類模型的傳統(tǒng)搭配模式，提出將局部特征和流形學習進行結合的總體框架。在這一新的框架下，采用時空興趣點作為人體動作的局部特征描述符。同時