面向智能視頻監(jiān)控的前景提取和動作識別技術(shù)研究.pdf

1、隨著當(dāng)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(yīng)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(shù)和網(wǎng)絡(luò)技術(shù)的快速發(fā)展，構(gòu)建大規(guī)模網(wǎng)絡(luò)化的視頻監(jiān)控系統(tǒng)已經(jīng)成為了可能，視頻監(jiān)控系統(tǒng)已經(jīng)成為了一種現(xiàn)代城市所必需的新型基礎(chǔ)設(shè)施。但是，隨著監(jiān)控數(shù)據(jù)量的爆炸性增長，傳統(tǒng)的人工監(jiān)控方式已經(jīng)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(jīng)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(shù)研究領(lǐng)域中，如何獲取監(jiān)控視頻中與人體對應(yīng)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(dāng)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(guān)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(yīng)的解決方法。本文的主要內(nèi)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(guān)鍵子問題進行展開，對傳統(tǒng)方法、技術(shù)現(xiàn)狀和發(fā)展趨勢進行了綜述，對容易混淆的術(shù)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(nèi)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(shù)，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(fù)雜度;同時，方法簡化了色彩編碼本模型，降低了時間復(fù)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(chǎn)生的模糊，不能適應(yīng)視頻監(jiān)控等場景下因為物體運動所產(chǎn)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(shù)進行了估計，并依此得出了點傳播函數(shù)。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(shù)對蒙板進行了細(xì)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(shù)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(xué)習(xí)進行結(jié)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