设为首页收藏本站优领域

优领域

 找回密码
 立即注册

QQ登录

只需一步,快速开始

搜索
优领域 优领域 电子领域 设计应用 视频监控 查看内容

关于智能监控系统的研究

2014-5-16 13:06| 发布者: dzly| 查看: 651| 评论: 0|原作者: 张叶,黄虎,王玉萍,罗浪

摘要: 关于智能监控系统的研究,并对其关键性模块:目标检测与识别,目标跟踪,行为识别及预警进行了详细的论述。 指出了智能监控系统中存在的不足及难点所在,并对今后的发展进行了展望。
  0 引言
  随着时代的发展,安全问题早已成为社会关心的焦点问题。监控系统自产生以来都在安全方面起到至关重要的作用。
  然而传统的监控系统对人力的要求比较高,对监控画面中事件的发生及预警主要依靠的是人力的观察及判断。而人的时间、精力有限且成本越来越高,这些都对传统监控系统的安全性及成本造成很大的障碍。为了解决传统监控系统存在的问题,智能监控系统便应运而生。该监控技术投入实际应用已经有数十年的历史,视频监控系统的发展经历了三个阶段:模拟时代,半数字时代,全数字时代。智能监控系统的主要目的是通过计算机等设备的计算与分析能力替代人力的观察与判断,进而达到高精度的监控。其分为三大模块:目标的检测与识别,目标的跟踪,行为分析与预警。
  1 目标的检测与识别
  目标检测在智能监控系统中有着十分重要的地位。检测的结果将直接影响到目标跟踪、行为识别等效果。目前关于目标检测人们提出了多种算法:光流法,帧差法,背景减除法。
  光流法算法复杂度相当高,且抗噪声性能不强。帧差法又分为二帧间差分与三帧间差分等,其对于低速运动的目标,容易得到不完整的检测结果。背景减除法在目标检测中是一种最常用的算法,近年来很多背景减除方法被相继提出。其中,大部分都为每一个像素建立背景模型,通过每一个像素与其对应的背景模型比较,对其进行分类。
  2 目标的跟踪
  卡尔曼滤波是一种应用广泛的滤波算法,具有无偏、最优的特点,但是卡尔曼滤波需要假定噪声呈线性、高斯分布,对于非线性、非高斯系统,其性能较差。针对这一问题,相继涌现了多种的滤波算法,如扩展卡尔曼滤波、无迹卡尔曼滤波等,但是扩展卡尔曼滤波只能解决非线性问题,无迹卡尔曼滤波在无迹变换的过程中会出现矩阵非正定的问题。然而Gordon等提出的粒子滤波方法却成功地解决了这一问题。传统的粒子滤波算法利用单信息对目标进行跟踪,在跟踪的过程中其特征描述不够准确,从而导致目标跟丢现象。目前,许多算法采用了信息融合的方法来提高跟踪的准确性,但大多数方法仍然对各个特征采用了固定权值方法。
  数据关联是多目标跟踪方法中一个重要的环节。目标跟踪中最简单的是最近邻(NN)数据关联算法,此算法将跟踪目标与相邻最近的检测目标相关联,只适用于比较简单且目标数目较少的场景。概率数据关联(PDA)算法只考虑落入跟踪目标波门内的回波,其它回波都是杂波或者噪声,因此该算法对于运动目标较密集的监控场景,关联正确率较低。联合概率数据关联(JPDA)算法是对概率数据关联算法的推广,可计算出每个跟踪的目标源与所有检测目标概率的大小。MHT 算法综合了最近邻数据关联和联合概率数据关联的优点,在运动目标密度比较高的情况下仍能保持较高的关联准确率,但是其较大的计算复杂度限制了其应用。
  3 行为识别
  该过程可以简单地理解成对行为特征数据进行分类的过程。目前,人体行为识别的方法主要可以分为两类:基于模板匹配的方法和基于状态空间转移的图模型方法。
  (1)基于模板匹配的方法:首先要将视频帧序列转换为一组静态行为特征样本,然后在识别的过程与预先存储的行为样本进行匹配,得出最终的分类结果。Hu 提出7 个不变矩的方法,Khotanzad 和Hong 提出了Zernike 矩方法。Masoud 采用冲击滤波器对人的行为动作进行描述,再用Hausdorff 距离来计算与样本模板之间的相似度。Veeraraghavan 等人提出了动态时间规整(dynamic time warping,DTW)来匹配运动序列。
  DTW是一种时变序列匹配方法,其算法思想就是在样本模板特征矢量和输入的特征矢量序列之间,寻找最佳的时间规整函数,从而使输入序列的时间轴映射到样本模板的时间轴上的累计失真最小。DTW 的概念简单,算法鲁棒性较强,但是算法计算量较大,实时性较差。
  (2)基于状态空间转移的图模型方法:其核心思想就是把运动目标每一帧的姿态特征作为一个状态节点,这些状态节点之间通过某种概率串连起来。运动目标的一个动作,就可以看成是对这些状态节点的一次遍历过程。在遍历过程中计算属于某一类行为的联合概率,其概率最大值将作为分类的依据。目前,状态转移模型已经广泛用于行为识别、手势识别以及语音识别当中。隐马尔可夫模型是其最具代表性的算法。
  4 结论与展望
  由上文可知,智能监控领域的研究工作已取得了很大的进展,在相关领域已经开始发挥作用。然而其仍然存在检测率、识别率不高、智能化程度较低等诸多不足之处。人体行为的识别将是下一步研究的重难点,在目标检测、跟踪、行为识别方面的检测率、识别率进一步提高,并逐渐取代人力在监控方面起到重要作用。
  参考文献:
  [1] 张蘅.关于网络数字化视频监控系统的实际应用[J].中国电子科技集团,2008
  [2] 周永红. 智能视频监控技术及应用[M]. 中国公共安全-市场,2009
  [3] Doucet A, De Freitas N, Gordon N. Sequential Monte Carlomethods in practice[M]. Springer Verlag, 2001__
  
  

相关阅读

网站统计|优领域|优领域 ( 粤ICP备12011853号-1 )  

GMT+8, 2019-3-19 10:25 , Processed in 0.055094 second(s), 12 queries .

Copyright © 2008-2014 优领域

回顶部