基于智能視頻監(jiān)控的人體檢測系統(tǒng)研究與開發(fā).pdf

1、隨著社會經(jīng)濟(jì)的迅猛發(fā)展和綜合國力的日益增強(qiáng)，人民的生活水平逐漸提高，隨之而來的對于居住、交通、公共設(shè)施等的安全需求與日俱增。智能視頻監(jiān)控技術(shù)作為二十一世紀(jì)的“朝陽產(chǎn)業(yè)”，近年來呈現(xiàn)出了蓬勃的發(fā)展。人體檢測的研究是智能視頻監(jiān)控技術(shù)中一個重要的研究領(lǐng)域，是后續(xù)的身份識別、行為分析等應(yīng)用領(lǐng)域的基礎(chǔ)。本文的研究以實驗室與中國移動通信集團(tuán)江蘇有限公司的合作項目為基礎(chǔ)，深入研究了人體檢測的相關(guān)技術(shù)，研發(fā)了一套可用于實際應(yīng)用環(huán)境的實時智能視頻監(jiān)控人體

2、檢測系統(tǒng)，并提出了分布式網(wǎng)絡(luò)化的系統(tǒng)解決方案。
　　本文的研究基于HoG特征與SVM分類器的經(jīng)典人體檢測算法，并在INRIA行人庫上探討了檢測準(zhǔn)確率、檢測時間與檢測參數(shù)之間的關(guān)系，指出準(zhǔn)確率與實時性難以兼得的矛盾。為了解決這個問題，采用NVIDIA公司的CUDA并行計算加速技術(shù)，重新設(shè)計了人體檢測算法。CUDA技術(shù)是一項全新的架構(gòu)，可以使得顯卡應(yīng)用于通用計算的領(lǐng)域，以發(fā)揮其強(qiáng)大的并行計算能力和浮點計算能力，目前在諸多研究領(lǐng)域有所應(yīng)

3、用，并取得了非常顯著的加速效果。本文將HoG特征提取及SVM分類檢測的算法流程移植到CUDA架構(gòu)之中，對算法的各個流程采用并行優(yōu)化，在同等的實驗條件下對GPU和CPU的運算效率進(jìn)行對比，表明了GPU能夠在各種常用分辨率下達(dá)到20倍以上的加速效果，并且在密集計算的情況下，加速效果更加明顯。
　　本文根據(jù)實驗中得到的結(jié)論，平衡了檢測率與檢測時間的關(guān)系，選擇合適的參數(shù)，設(shè)計了基于CPU與GPU的兩套系統(tǒng)并予以實現(xiàn)，分別對應(yīng)不同的硬件條件

4、。方案一是通過加入運動物體檢測以縮小檢測范圍的基于CPU的實現(xiàn)方案，方案二是對原始視頻逐幀掃描的基于GPU加速的實現(xiàn)方案。通過實際生活中采集的視頻對系統(tǒng)的性能進(jìn)行驗證，分析了兩種方法的利弊：基于GPU的實現(xiàn)方案對硬件有更高的要求，但不受運動物體檢測性能的限制，在實際效果上遠(yuǎn)遠(yuǎn)超過基于CPU的實現(xiàn)方案，穩(wěn)定性強(qiáng)，對環(huán)境的適應(yīng)能力強(qiáng)，可以實現(xiàn)24小時無人值守。
　　最后，為了解決因CUDA對硬件的高要求造成的難以普及使用的問題，提出了