智能視頻監(jiān)控中目標(biāo)檢測與識別

前言

　　智能視頻監(jiān)控是計算機視覺領(lǐng)域一個新興的應(yīng)用方向和備受關(guān)注的前沿課題。伴隨網(wǎng)絡(luò)技術(shù)和數(shù)字視頻技術(shù)的飛速發(fā)展，監(jiān)控技術(shù)正向著智能化、網(wǎng)絡(luò)化方向不斷前進(jìn)。因此計算機視覺和應(yīng)用研究者適時提出了新一代監(jiān)控——智能視頻監(jiān)控的概念。智能視頻監(jiān)控在不需要人為干預(yù)情況下，利用計算機視覺和視頻分析的方法對攝像機拍錄的圖像序列進(jìn)行自動分析，實現(xiàn)對動態(tài)場景中目標(biāo)的定位、識別和跟蹤，并在此基礎(chǔ)上分析和判斷目標(biāo)的行為，從而既能完成日常管理工作又能在異常情況發(fā)生時及時做出反應(yīng)。智能視頻監(jiān)控系統(tǒng)不僅符合信息產(chǎn)業(yè)的未來發(fā)展趨勢，而且代表了監(jiān)控行業(yè)的未來發(fā)展方向，蘊藏著巨大的商機和經(jīng)濟效益，受到學(xué)術(shù)界、產(chǎn)業(yè)界和管理部門的高度重視?！　≈悄芤曨l監(jiān)控利用計算機視覺和圖像處理的方法對圖像序列進(jìn)行運動檢測、運動目標(biāo)分類、運動目標(biāo)跟蹤，以及對監(jiān)視場景中目標(biāo)行為的理解與描述。其中，運動檢測、目標(biāo)分類、目標(biāo)跟蹤屬于視覺中的低級和中級處理部分，而行為理解和描述則屬于高級處理。運動檢測、運動目標(biāo)分類與跟蹤是視頻監(jiān)控中研究較多的三個問題；而行為理解與描述則是近年來被廣泛關(guān)注的研究熱點，它是指對目標(biāo)的運動模式進(jìn)行分析和識別，并用自然語言等加以描述?！　”緯鴶⑹隽酥悄芤曨l監(jiān)控中目標(biāo)檢測與識別的基本理論和相關(guān)的信息技術(shù)，主要研究運動檢測、運動目標(biāo)跟蹤及分類、場景分析和行為理解中的關(guān)鍵技術(shù)，包括視頻圖像中的背景重建、運動分割、遮擋處理、多攝像機跟蹤、目標(biāo)跟蹤及分類、行為理解等，提出了多種新的便于工程實現(xiàn)的目標(biāo)檢測模型和算法。主要包括：基于高斯的背景重建算法；視頻中目標(biāo)陰影的去除算法；基于虛擬線圈的移動目標(biāo)檢測算法；基于車燈的夜間車輛檢測算法；晝夜視頻車輛檢測方法的切換；多攝像機視角切換的目標(biāo)跟蹤；多視角的二維距離測量和行人的檢測跟蹤等方法?！　♂槍χ悄芤曨l監(jiān)控的廣泛應(yīng)用，目前國內(nèi)理論與實踐相結(jié)合的著作較少。針對某個特殊應(yīng)用的場景，有不同的算法。本書力圖對視頻應(yīng)用進(jìn)行分類，總結(jié)常規(guī)的運算方法，以利于工程技術(shù)人員根據(jù)需求采用有效地算法。同時把基本理論與實踐應(yīng)用相結(jié)合，進(jìn)行具體的實例分析，從工程技術(shù)應(yīng)用的角度，把基本理論有效地串聯(lián)起來，降低技術(shù)入門門檻，使更多有志者投入到視頻圖像技術(shù)的研究中，推動視頻技術(shù)的發(fā)展。

內(nèi)容概要

本書系統(tǒng)介紹了智能視頻監(jiān)控中目標(biāo)檢測與識別的基本問題及其相關(guān)處理技術(shù)。主要內(nèi)容包括智能視頻監(jiān)控的理論、算法和典型應(yīng)用實例。包括計算機視覺基本理論、運動目標(biāo)檢測技術(shù)、運動目標(biāo)跟蹤和分類技術(shù)、運動的場景分析及行為理解技術(shù)。其中目標(biāo)的檢測與識別技術(shù)在資助的科研項目中有成熟可行的應(yīng)用實例。本書內(nèi)容由淺入深、循序漸進(jìn)，著重于經(jīng)典內(nèi)容和最新進(jìn)展的結(jié)合，并輔以較多的應(yīng)用范例。本書可作為高等院校有關(guān)專業(yè)的研究生和高年級本科生的教學(xué)參考書，也可供相關(guān)專業(yè)的科技人員學(xué)習(xí)參考。

書籍目錄

上篇  智能視頻監(jiān)控中目標(biāo)檢測與識別概論  第1章  緒論    1.1  智能視頻監(jiān)控概述      1.1.1  智能視頻監(jiān)控的發(fā)展      1.1.2  智能視頻監(jiān)控中的關(guān)鍵問題    1.2  智能視頻監(jiān)控的研究內(nèi)容      1.2.1  智能視頻監(jiān)控的系統(tǒng)結(jié)構(gòu)      1.2.2  智能視頻監(jiān)控的難題    1.3  研究現(xiàn)狀與應(yīng)用前景    參考文獻(xiàn)  第2章  計算機運動視覺相關(guān)理論    2.1  攝像機的標(biāo)定      2.1.1  坐標(biāo)系的變換      2.1.2  攝像機的標(biāo)定    2.2  雙目立體視覺      2.2.1  特征匹配關(guān)鍵技術(shù)      2.2.2  特征匹配算法分類與立體成像    2.3  運動視覺      2.3.1  運動視覺的研究內(nèi)容      2.3.2  運動視覺處理框架    2.4  場景理解      2.4.1  場景理解認(rèn)知框架      2.4.2  靜態(tài)場景理解      2.4.3  動態(tài)場景理解    參考文獻(xiàn)  第3章  運動目標(biāo)檢測技術(shù)    3.1  運動目標(biāo)檢測概述      3.1.1  光流法      3.1.2  相鄰幀差法      3.1.3  背景差法      3.1.4  邊緣檢測方法      3.1.5  其他重要的相關(guān)方法    3.2  視頻監(jiān)控中的背景建模      3.2.1  背景提取與更新算法概述      3.2.2  基于GMM的背景提取與更新算法      3.2.3  基于AKGMM的背景提取與更新算法      3.2.4  去除陰影    3.3  ROI面積縮減車輛檢測搜索算法      3.3.1  改進(jìn)的幀差法      3.3.2  圖像的腐蝕與膨脹      3.3.3  車輛目標(biāo)分割識別      3.3.4  實驗結(jié)果與分析    參考文獻(xiàn)  第4章  運動目標(biāo)跟蹤技術(shù)    4.1  目標(biāo)跟蹤的分類    4.2  目標(biāo)跟蹤方法      4.2.1  基于特征的跟蹤方法      4.2.2  基于3D的跟蹤方法      4.2.3  基于主動輪廓的跟蹤方法      4.2.4  基于運動估計的跟蹤方法    4.3  粒子濾波器      4.3.1  離散貝葉斯濾波系統(tǒng)      4.3.2  蒙特卡洛采樣(Monte Carlo Sampling)      4.3.3  貝葉斯重要性采樣(Bayesian Importance Sampling)      4.3.4  序列化重要性采樣(Sequential Importance Sampling)      4.3.5  粒子濾波(Particle Filte)一般算法描述      4.3.6  粒子數(shù)目N的選取    4.4  多視角目標(biāo)跟蹤      4.4.1  目標(biāo)交接      4.4.2  多攝像機的協(xié)同      4.4.3  攝像機之間的數(shù)據(jù)通訊      4.4.4  多攝像機系統(tǒng)總體設(shè)計與集成    參考文獻(xiàn)  第5章  運動目標(biāo)分類技術(shù)    5.1  目標(biāo)分類方法      5.1.1  基于形狀信息的分類      5.1.2  基于運動特性的分類      5.1.3  混合方法    5.2  分類的特征提取      5.2.1  視頻圖像的兩種特征      5.2.2  分類特征選擇    5.3  分類器構(gòu)造      5.3.1  支持向量機理論      5.3.2  多類支持向量機      5.3.3  特征訓(xùn)練    5.4  訓(xùn)練和分類方案      5.4.1  靜態(tài)圖像訓(xùn)練分類模型      5.4.2  動態(tài)視頻中運動對象的分類      5.4.3  訓(xùn)練和分類的實驗結(jié)果    參考文獻(xiàn)  第6章  行為理解技術(shù)    6.1  行為理解的特征選擇與運動表征      6.1.1  特征選擇      6.1.2  運動表征    6.2  場景分析      6.2.1  場景結(jié)構(gòu)      6.2.2  場景知識庫的建立和更新    6.3  行為建模      6.3.1  目標(biāo)描述      6.3.2  約束表達(dá)      6.3.3  分層的行為模型結(jié)構(gòu)    6.4  行為識別      6.4.1  基于模板匹配方法      6.4.2  基于狀態(tài)轉(zhuǎn)移的圖模型方法      6.4.3  行為識別的實現(xiàn)    6.5  高層行為與場景理解    6.6  行為理解存在的問題與發(fā)展趨勢    參考文獻(xiàn)下篇  智能視頻監(jiān)控應(yīng)用實例  第7章  白天車輛檢測實例    7.1  道路交通樣本庫的采集與組織      7.1.1  樣本的采集      7.1.2  樣本庫元信息和組織    7.2  車輛檢測系統(tǒng)結(jié)構(gòu)設(shè)計      7.2.1  基于視頻的車輛檢測方法概述      7.2.2  虛擬線圈車輛檢測法的算法流程      7.2.3  系統(tǒng)框圖    7.3  背景重構(gòu)      7.3.1  視頻背景重構(gòu)技術(shù)回顧      7.3.2  基于IMFKGMM的背景提取與更新算法    7.4  灰度空間陰影檢測算法研究      7.4.1  彩色圖像的灰度變換      7.4.2  算法原理      7.4.3  試驗結(jié)果    7.5  虛擬線圈車輛檢測法      7.5.1  數(shù)學(xué)形態(tài)學(xué)后處理與狀態(tài)機      7.5.2  交通參數(shù)的測量  第8章  夜間車輛檢測實例    8.1  夜間視頻車輛檢測系統(tǒng)框架    8.2  攝像機配置      8.2.1  攝像機安裝和標(biāo)定      8.2.2  車燈在路面上的投影與視野的設(shè)置    8.3  車燈提取配對跟蹤算法      8.3.1  車燈提取與車燈形狀特征      8.3.2  配對跟蹤算法      8.3.3  交通參數(shù)計算與實驗結(jié)果和分析  第9章  晝夜亮度變化及切換方法    9.1  離線亮度變化建模      9.1.1  交通視頻亮度變化實例與S型曲線      9.1.2  離線曲線擬合      9.1.3  在線亮度變化識別    9.2  晝夜檢測算法的切換方法      9.2.1  亮度模型分析與切換時間選取策略      9.2.2  過渡時段的切換方法      9.2.3  切換方法試驗結(jié)果    9.3  仿真試驗平臺  第10章  距離測量實例    10.1  攝像機標(biāo)定及距離測量      10.1.1  OpenCV中的標(biāo)定方法      10.1.2  測距算法    10.2  實驗與結(jié)果分析      10.2.1  內(nèi)參數(shù)矩陣與場景無關(guān)性      10.2.2  標(biāo)定平面上兩點間距離測量      10.2.3  垂直于標(biāo)定平面軸線上兩點間距離測量      10.2.4  雙視角同時標(biāo)定，任意兩點間距離測量  第11章  客流檢測系統(tǒng)實例    11.1  視頻圖像采集與數(shù)據(jù)結(jié)果傳輸      11.1.1  視頻圖像采集系統(tǒng)設(shè)置      11.1.2  視頻文件      11.1.3  數(shù)據(jù)結(jié)果的傳輸    11.2  基于背景檢測的行人檢測      11.2.1  背景分割      11.2.2  行人檢測    11.3  基于blob檢測的行人跟蹤與計數(shù)策略      11.3.1  基于blob的跟蹤方法      11.3.2  計數(shù)策略    11.4  算法的工程實現(xiàn)與實驗結(jié)果  后記

章節(jié)摘錄

　　第2章 計算機運動視覺相關(guān)理論　　計算機視覺的研究是從20世紀(jì)50年代從統(tǒng)計模式識別開始的，當(dāng)時的工作主要集中在二維圖像分析和識別上。通過二維圖像來理解三維場景的三維視覺研究開始于1965年Roberts對多面體形狀及其空間關(guān)系進(jìn)行描述的“積木世界”的概念。進(jìn)入70年代，已經(jīng)相繼提出了一些視覺應(yīng)用系統(tǒng)。其中，70年代中期到80年代初期，D.Marr教授通過在麻省理工學(xué)院人工智能實驗室的學(xué)習(xí)提出了不同于“積木世界”分析方法的計算機視覺理論，該理論在80年代成為計算機視覺研究領(lǐng)域中第一個比較完善的理論框架和研究體系。D.Mart理論指出視覺過程是一種計算過程，可以將其分為三個層次：計算理論、表征與算法和系統(tǒng)實現(xiàn)，其目的是從圖像中得知外部場景中有什么物體以及它們的空間關(guān)系，即三維恢復(fù)和重建。在D.Marr提出的視覺計算理論整體框架中，又把這種重建過程分為三個表征階段：　?。?）二維圖像性質(zhì)的表征：包含圖像邊緣灰度變化率，邊緣的幾何特征，或者紋理元的排列、描述等?！　。?）以觀察者為中心坐標(biāo)系的物體可見表面等性質(zhì)的2.5維表征：它是要素圖和三維圖像模型之間的中間表示層次，包含物體表面的局部內(nèi)在特征?！　。?）以物體為中心坐標(biāo)系的被觀察物形狀的三維結(jié)構(gòu)和組織的表征：由二維圖像性質(zhì)的表征和2.5維表征得到?！　arr視覺計算理論立足于計算機科學(xué)，系統(tǒng)地概括了心理生理學(xué)、神經(jīng)生理學(xué)等方面已取得的所有重要成果，是計算機視覺研究領(lǐng)域的劃時代成就。雖然該理論在許多方面還有爭議，比如視覺處理框架基本上是自下而上，沒有反饋，以及沒有足夠地重視先驗知識的應(yīng)用等，但是Marr理論給了我們研究計算機視覺許多珍貴的哲學(xué)思想和研究方法，是視覺研究中迄今為止最為完善的視覺理論。Marr建立的視覺計算理論，使計算機視覺研究有了一個比較明確的體系，大大推動了計算機視覺研究的發(fā)展。　　按照Marr理論，在數(shù)字視覺的學(xué)術(shù)界產(chǎn)生了計算機視覺中三個層次的研究內(nèi)容：　?。?）低層次視覺（low level）：涉及像素一級的運算操作，包括成像、濾波、邊緣檢測和閾值區(qū)域分割等。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    智能視頻監(jiān)控中目標(biāo)檢測與識別 PDF格式下載

---