基于降維技術(shù)的視頻監(jiān)控系統(tǒng)前期處理相關(guān)技術(shù)研究與實現(xiàn).pdf

1、與傳統(tǒng)的視頻監(jiān)控技術(shù)相比，智能視頻監(jiān)控系統(tǒng)可以獨立完成視頻內(nèi)容的分析工作，并對分析結(jié)果做出相應(yīng)處理。智能視頻監(jiān)控技術(shù)涉及計算機視覺、模式識別、視頻圖像處理和人工智能等多個領(lǐng)域，其研究的主要內(nèi)容包括:運動物體檢測、目標(biāo)對象跟蹤、身份識別和行為識別等。由于智能視頻監(jiān)控系統(tǒng)的廣闊應(yīng)用前景，使越來越多的科研工作者投身其中。背景建模作為智能視頻監(jiān)控系統(tǒng)的基礎(chǔ)，有著重要地位和研究價值。其工作重點是實現(xiàn)運動前景與背景的有效分割，以支持對后續(xù)視頻序列的

2、高層處理。然而傳統(tǒng)的背景建模技術(shù)計算復(fù)雜度高，運算量大，對智能視頻監(jiān)控系統(tǒng)的實時性具有一定的影響，因此，需要對其進行降維處理。針對視頻監(jiān)控系統(tǒng)本文對其前期處理相關(guān)技術(shù)進行了研究與實現(xiàn)。主要工作如下:
　　首先，本文簡單介紹了智能視頻監(jiān)控系統(tǒng)的構(gòu)成和背景建模的研究現(xiàn)狀，并對降維技術(shù)的理論知識進行了簡要介紹。
　　其次，本文在詳細介紹了基于高斯混合模型(Gaussian Mixture Model:GMM)的背景建模算法和基于局

3、部二值模式(Local Binary Pattern:LBP)的背景建模算法的基礎(chǔ)上，分析以上兩種算法的不足，詳細介紹并分析了能夠降低運算量，提高匹配精度的基于降維技術(shù)的背景建模算法，包括:基于主成分分析（Principal Component Analysis:PCA）的背景建模算法和基于獨立成分分析（Independent Components Analysis:ICA）的背景建模算法。并對以上四種算法進行了分析比較，得出了以下結(jié)論