視頻取證中的事件檢測(cè)與跟蹤研究.pdf

1、計(jì)算機(jī)視頻取證是當(dāng)前世界上機(jī)器視覺(jué)研究領(lǐng)域中的一個(gè)研究熱點(diǎn)，它結(jié)合人工智能、計(jì)算機(jī)圖形學(xué)、模式識(shí)別等研究領(lǐng)域的成果。主要研究目的是在海量的視頻庫(kù)中快速準(zhǔn)確地定位犯罪事件發(fā)生的時(shí)刻和地點(diǎn)，跟蹤犯罪對(duì)象，并最終形成視頻證據(jù)。
　　 計(jì)算機(jī)監(jiān)控視頻取證分析作為機(jī)器視覺(jué)領(lǐng)域中的重要應(yīng)用，主要是為了縮小視頻圖像中的底層視覺(jué)特征與人類(lèi)的語(yǔ)義概念之間的鴻溝。在目前數(shù)字視頻監(jiān)控已經(jīng)大規(guī)模應(yīng)用的條件下，如何在某個(gè)犯罪事件發(fā)生后快速響應(yīng)及準(zhǔn)確定位犯

2、罪對(duì)象和事件發(fā)生的時(shí)間地點(diǎn)，并對(duì)犯罪對(duì)象進(jìn)行跟蹤和生成相應(yīng)的視頻證據(jù)就顯得尤為重要。
　　 本文主要對(duì)監(jiān)控視頻取證分析中的事件檢測(cè)和多攝像頭的對(duì)象跟蹤方法進(jìn)行了研究。
　　 首先，本文針對(duì)復(fù)雜背景條件下丟棄或拾起等最常見(jiàn)的犯罪事件的監(jiān)控視頻，提出一種利用光流特征和形狀特征相結(jié)合的事件檢測(cè)方法。該方法充分利用光流和形狀特征的優(yōu)點(diǎn)，在復(fù)雜背景條件下受顏色變化的影響較小。實(shí)驗(yàn)證明該方法在視頻事件分析取證中的有效性。
　　

3、 其次，分析了Mean shift跟蹤方法在特征距離計(jì)算時(shí)產(chǎn)生偏差的原因。并對(duì)其進(jìn)行如下改進(jìn)：利用主色直方圖特征降低光照和顏色變化的影響，并用最大后驗(yàn)概率方法來(lái)提高對(duì)象匹配的準(zhǔn)確性。進(jìn)而實(shí)現(xiàn)了多攝像頭的目標(biāo)跟蹤方法。實(shí)驗(yàn)表明該方法比直接使用傳統(tǒng)顏色直方圖的跟蹤方法更加有效，并且在多攝像頭的跟蹤中具有較高的準(zhǔn)確率。
　　 最后，設(shè)計(jì)了視頻取證分析原型系統(tǒng)，包括事件檢測(cè)與對(duì)象跟蹤等模塊。通過(guò)對(duì)火車(chē)站站臺(tái)監(jiān)控系統(tǒng)中的丟包案例的分析，