監(jiān)控視頻中的運(yùn)動(dòng)目標(biāo)分類算法研究.pdf

1、隨著經(jīng)濟(jì)的發(fā)展，人類的活動(dòng)范圍越來(lái)越大，面臨的突發(fā)事件和異常事件越來(lái)越復(fù)雜，監(jiān)控的難度和重要性也越來(lái)越突出，傳統(tǒng)的靠人工來(lái)處理海量監(jiān)控視頻數(shù)據(jù)的方式已經(jīng)無(wú)法滿足安全需要，智能視頻監(jiān)控系統(tǒng)應(yīng)運(yùn)而生。智能視頻監(jiān)控的主要任務(wù)是對(duì)監(jiān)控視頻中的運(yùn)動(dòng)目標(biāo)行為進(jìn)行分析，減少監(jiān)控視頻中對(duì)人無(wú)用的冗余信息，只為監(jiān)控管理人員提供關(guān)鍵監(jiān)控信息。運(yùn)動(dòng)目標(biāo)分類是智能視頻監(jiān)控系統(tǒng)中運(yùn)動(dòng)分析研究的一個(gè)重要方面，其主要研究?jī)?nèi)容是對(duì)視頻中的運(yùn)動(dòng)目標(biāo)進(jìn)行自動(dòng)分類，運(yùn)動(dòng)目標(biāo)

2、分類是智能監(jiān)控中目標(biāo)行為理解的基礎(chǔ)。
　　 本文針對(duì)靜止背景的監(jiān)控視頻展開(kāi)研究，在對(duì)當(dāng)前運(yùn)動(dòng)目標(biāo)檢測(cè)和分類技術(shù)的研究基礎(chǔ)上，提出了一種適用于各種不同監(jiān)控場(chǎng)景的運(yùn)動(dòng)目標(biāo)分類算法。該算法提取運(yùn)動(dòng)目標(biāo)的靜態(tài)特征和時(shí)間上下文信息，利用改進(jìn)的SVM分類方法，能夠有效地將監(jiān)控視頻中的運(yùn)動(dòng)目標(biāo)自動(dòng)劃分為預(yù)先定義好的類別，包括行人、自行車、汽車等。與傳統(tǒng)的基于SVM的目標(biāo)分類算法不同的是，本文利用改進(jìn)后的SVM分類器不僅能輸出目標(biāo)的分類類別，還

3、能輸出目標(biāo)類別的后驗(yàn)概率，因此改進(jìn)后的分類算法更有利于結(jié)果的后續(xù)處理。另外，本文在目標(biāo)分類結(jié)果的后處理階段引入了數(shù)字信號(hào)處理方法，將SVM輸出的后驗(yàn)概率值作為數(shù)字信號(hào)，在對(duì)該信號(hào)進(jìn)行頻譜分析的基礎(chǔ)上，利用FIR低通濾波器對(duì)原始的概率值序列進(jìn)行數(shù)字濾波去噪，使得概率值序列更為平滑，有效地避免了由于偶然因素導(dǎo)致的分類錯(cuò)誤，提高了系統(tǒng)的分類性能。最后通過(guò)實(shí)驗(yàn)證明本文提出的目標(biāo)分類方法在不同場(chǎng)景下的監(jiān)控視頻中能有效區(qū)分人、人群、自行車等六類運(yùn)動(dòng)