分布式智能視覺監(jiān)控行為分析及語義檢索技術(shù)研究.pdf

1、隨著計算機處理能力的提高，音視頻編解碼技術(shù)、互聯(lián)網(wǎng)技術(shù)、網(wǎng)絡(luò)多媒體技術(shù)和大容量存儲技術(shù)的發(fā)展，以及安防、金融、教育等行業(yè)日益增長的需求，視覺監(jiān)控技術(shù)得到了迅速發(fā)展。數(shù)字化、網(wǎng)絡(luò)化和智能化是目前監(jiān)控系統(tǒng)的發(fā)展趨勢，智能視覺監(jiān)控涉及機器學(xué)習(xí)、模式識別、人工智能和數(shù)據(jù)挖掘等多個研究領(lǐng)域，是當(dāng)前國際性的研究熱點。與傳統(tǒng)的視頻監(jiān)控系統(tǒng)不同，智能視覺監(jiān)控系統(tǒng)具有觀察和分析監(jiān)控場景內(nèi)容的能力，能夠在沒有或少量人為干預(yù)的情況下，自動對視頻序列進(jìn)行分析，

2、從而代替人完成視覺監(jiān)控任務(wù)。本論文研究分布式智能視覺監(jiān)控系統(tǒng)中的行為分析和語義檢索問題。目標(biāo)是通過分析運動目標(biāo)的底層特征，研究基于單機和分布式環(huán)境的數(shù)據(jù)挖掘和檢索算法，建立底層特征與高層語義間的聯(lián)系，研究出適用于大型城域視覺監(jiān)控系統(tǒng)的行為分析和語義檢索技術(shù)。 首先對運動目標(biāo)行為理解與分類算法進(jìn)行了研究。針對軌跡序列不定長和軌跡信息不完整的問題，提出基于子軌跡描述的軌跡特征提取算法。以子軌跡提取軌跡片斷中的空間位置和時間序列信息，

3、對目標(biāo)的局部運動行為進(jìn)行抽象，然后學(xué)習(xí)得到子軌跡分布模式，由子軌跡分布模式重新描述軌跡，提取得到軌跡特征。以該算法為基礎(chǔ)，結(jié)合自組織特征映射(SOM)進(jìn)一步實現(xiàn)了監(jiān)控場景中的異常事件檢測和目標(biāo)行為預(yù)測，結(jié)合頻繁模式挖掘算法進(jìn)一步實現(xiàn)了軌跡分類。 其次對智能視覺監(jiān)控語義檢索算法進(jìn)行了研究。針對目標(biāo)的運動特征提取和語義信息提取問題，提出了基于保距變換的相似性測量算法。通過Hausdorff距離進(jìn)行軌跡相似性測量，以保距變換對軌跡相似

4、性測量進(jìn)行優(yōu)化，降低了計算復(fù)雜度并為語義檢索提供了目標(biāo)向量空間軌跡描述符。以該算法為基礎(chǔ)，結(jié)合譜聚類進(jìn)一步實現(xiàn)了智能視覺監(jiān)控系統(tǒng)中的軌跡分類算法，結(jié)合相關(guān)反饋進(jìn)一步實現(xiàn)了基于SVM的交互式檢索算法。 再次對分布式視覺監(jiān)控語義檢索算法進(jìn)行了研究。針對分布式智能視覺監(jiān)控系統(tǒng)的網(wǎng)絡(luò)組成、索引結(jié)構(gòu)、索引分發(fā)和語義檢索問題，提出了基于度量空間的分布式交互檢索算法。將目標(biāo)的特征向量發(fā)布到基于M-Chord的結(jié)構(gòu)化對等網(wǎng)絡(luò)中，將SVM模型建立

5、的度量空間與M-Chord索引所處的度量空間結(jié)合，利用分片中心點減少了檢索時對節(jié)點和對象的訪問。為解決目標(biāo)特征向量分發(fā)和檢索時的負(fù)載不均問題，通過虛擬服務(wù)器拆分和移動的方法，在分布式交互檢索網(wǎng)絡(luò)中進(jìn)行負(fù)載均衡。 之后對分布式視覺監(jiān)控子空間聚類算法進(jìn)行了研究。針對分布式智能視覺監(jiān)控系統(tǒng)的海量多媒體數(shù)據(jù)自動分析處理問題，提出基于分布式表決的子空間聚類算法。將分布式子空間聚類問題簡化為分布式表決問題，利用底層覆蓋網(wǎng)的拓?fù)浣Y(jié)構(gòu)進(jìn)行層次化