【正文】 礎，通過強大的平臺軟件實施管理。從 2004 年開始，隨著網(wǎng)絡帶寬的提高和成本的降低、硬盤容量的加大和中心存儲成本的降低，以及各種實用視頻處理技術的出現(xiàn)，視頻監(jiān)控步入了全數(shù)字化的網(wǎng)絡時代，DVR 系統(tǒng)進一步發(fā)展為網(wǎng)絡數(shù)字視頻錄像機（Network DVR, NVR）,實現(xiàn)了視頻信息的數(shù)字化網(wǎng)絡傳播。數(shù)字化存儲極大增強了對視頻信息的處理效率，事后的信息檢索也變得相對簡單。第二代：數(shù)字時代。上個世紀末以前，初始的視頻監(jiān)控以模擬式磁帶錄像機（Video Cassette Recorder, VCR）為代表。傳統(tǒng)的視頻監(jiān)控自投入應用已有數(shù)十年，其發(fā)展經(jīng)歷了三個時代。除了視覺監(jiān)控之外，人體檢測和跟蹤在高級人機交互、動畫制作等方面也有著廣泛的應用。行人行為分析的實現(xiàn)要以行人檢測與跟蹤為基礎，所以對行人的檢測和跟蹤是一個至關重要的問題。尤其在 2001年美國 事件及 2005 年英國 7．7 倫敦地鐵爆炸案等恐怖暴力事件的發(fā)生后，出于對反恐、社會安定、國家公共安全等多方面的考慮，世界各國更是都高度重視如何在重要、敏感的安全相關部門和擁有很大人流量的公共場合實現(xiàn) 24 小時自動化實時的監(jiān)測，智能視頻監(jiān)控成為了國際上最被關注的前沿研究領域之一。當前較多的應用主要集中在以下幾個方面:行人和車輛目標的自動檢測、跟蹤和識別，目標異常行為預警，敏感場所的異常物體滯留以及物品丟失，人流量估計、人群運動監(jiān)測及擁塞控制，行人和車輛的交通流量監(jiān)測等。 智能視頻監(jiān)控技術將計算機視覺同網(wǎng)絡化的視頻監(jiān)控結合起來，增強了系統(tǒng)的智能化自動處理能力，從而極大地減少主觀干擾，增強監(jiān)控效果，在減輕了相關人員的工作量的同時，對視頻監(jiān)控場景中的目標實現(xiàn)了自動實時的檢測、跟蹤、識別與分析等功能。它通過對視頻中的運動目標進行實時檢測、跟蹤和行為分析，使得系統(tǒng)能夠自動去除大量的非必要信息。智能視頻監(jiān)控技術是計算機視覺領域近年來新興的一個研究方向，是模式識別技術在視頻監(jiān)控領域的重要應用。關鍵詞：智能視頻監(jiān)控 行人檢測 行人跟蹤 粒子濾波 動態(tài)背景 梯度方向直方圖IIIII第 1 章 緒論 研究背景與意義 計算機視覺是計算機科學和人工智能的一個重要分支。2）介紹了智能視頻監(jiān)控系統(tǒng)的重要應用——社會治安視頻監(jiān)控系統(tǒng)，在分析其圖像處理技術及架構后，針對實際監(jiān)控條件與要求，完成了行人檢測和跟蹤模塊的設計，采用matlab平臺和 OpenCV 算法庫進行了圖像提取和預處理、運動目標分割、目標分類、目標特征提取、行人目標跟蹤等部分的功能實現(xiàn)。該方法以粒子濾波為跟蹤框架，利用改進的小型化梯度方向直方圖方法實現(xiàn)了小尺度行人跟蹤，并根據(jù)其檢測結果確定目標，不斷修正粒子采樣，有效實現(xiàn)了行人跟蹤。本文在熟悉和掌握了有關數(shù)字圖像處理原理和技術的基礎上，分析對比了常用的目標檢測和跟蹤方法，針對不同條件下的行人目標檢測和跟蹤進行了研究。目 錄目 錄 I摘 要 II第 1 章 緒論 1 研究背景與意義 1 智能視頻監(jiān)控概述 2 智能視頻監(jiān)控的發(fā)展 2 智能視頻監(jiān)控的研究內容 3 行人檢測與跟蹤 3 行人檢測 4 行人跟蹤 4 國內外研究現(xiàn)狀 4 論文主要研究內容與章節(jié)安排 6第 2 章 視頻序列圖像中運動目標檢測與跟蹤方法 7 圖像處理基礎 7 顏色空間 7 圖像預處理 10 形態(tài)學方法 10 運動目標檢測方法 10 背景差分法 10 11 邊緣檢測方法 12 運動目標跟蹤方法 12 基于特征的跟蹤方法 13 基于模型的跟蹤方法 14 基于主動輪廓的跟蹤方法 15 本章小結 16三、設計內容 XVII XVIII　閾值的選取 XX　形態(tài)學濾波 XXI四、實驗結果及分析 XXV結束語 XXVII摘 要 智能視頻監(jiān)控是計算機視覺領域新興的研究方向，它通過對攝像機拍攝的視頻圖像序列進行自動分析來對被監(jiān)控場景中的事物變化進行定位、跟蹤和識別，并以此對相關目標的行為進行分析和判別，在實現(xiàn)了日常管理工作的同時又能對目標的異常行為做出及時反應。行人目標檢測與跟蹤算法是智能視頻監(jiān)控系統(tǒng)中的核心問題，研究相關算法對于提高智能視頻監(jiān)控系統(tǒng)的性能具有重要的意義。本文完成的主要研究工作如下：1）針對運動攝像機跟蹤行人所導致的背景運動與行人尺寸變化問題，提出了一種綜合應用梯度方向直方圖和粒子濾波的行人跟蹤算法。仿真實驗結果表明,與傳統(tǒng)的粒子濾波算法相比，該算法能夠更加準確有效地跟蹤動態(tài)背景中尺寸變化的行人目標。實驗結果表明，本模塊能夠處理一般靜態(tài)背景條件下的行人目標，滿足了實際應用的初步要求。它研究的主要內容包括怎樣利用各種成像系統(tǒng)代替視覺器官來獲取信息，由計算機代替大腦完成對信息的處理和解釋．使計算機具有人一樣的視覺功能。智能視頻監(jiān)控的研究對象為監(jiān)控視頻中的行人、車輛和其他物體。通過分析視頻圖像中目標的運動行為，它可以為實時的監(jiān)控和預警提供更為有效的信息。智能視頻監(jiān)控技術可用于安防監(jiān)控、智能交通、醫(yī)院護理等眾多方面，具有重要的研究意義和美好的應用前景。 作為當前視頻監(jiān)控系統(tǒng)發(fā)展的必然方向，近年來智能視頻監(jiān)控相關技術的研發(fā)受到一些發(fā)達國家的重視，其商業(yè)化應用也得到了很大的發(fā)展。考慮到監(jiān)控場景中行人是作為主要目標,因而行人行為分析作為智能視頻監(jiān)控的重要功能部分，正受到當前諸多研究人員的關注。對運動人體快速而準確的檢測和跟蹤是一項十分重要且極具挑戰(zhàn)性的工作，這屬于智能視頻監(jiān)控系統(tǒng)的前端工作，其工作性能的好壞將直接影響后續(xù)工作以至整個系統(tǒng)的性能。 智能視頻監(jiān)控概述 智能視頻監(jiān)控的發(fā)展智能視頻監(jiān)控是在傳統(tǒng)的視頻監(jiān)控基礎上發(fā)展起來的。第一代：模擬時代。此時的視頻監(jiān)控存儲量大，信息檢索和查詢相對困難。進入 21 世紀后，隨著數(shù)字視頻壓縮編碼技術的產(chǎn)生和發(fā)展，數(shù)字式視頻錄像機（Digital Video Recorder, DVR）投入使用。第三代：網(wǎng)絡時代。更進一步，發(fā)展成為了網(wǎng)絡化視頻監(jiān)控系統(tǒng)，又稱 IP 監(jiān)控系統(tǒng)（IP Video Surveillance, IPVS）。視頻監(jiān)控系統(tǒng)在系統(tǒng)功能和設備性能上得到了很大的提高，但是仍然受到了一些固有因素的限制，整個系統(tǒng)在安全性和實用性方面難以滿足人們不斷提高的要求(李子青，2007)。很多情況下，由于生理上的弱點，人們經(jīng)常無法覺察安全威脅，從而產(chǎn)生了漏報（false negatives）的現(xiàn)象。大多數(shù)視頻監(jiān)控系統(tǒng)難以按照 1:1 的比例來配置監(jiān)控攝像機和視頻顯示裝置，尤其是在機場、港灣等大型的視頻監(jiān)控系統(tǒng)中，各個監(jiān)控點很難都處于監(jiān)控之下。這是視頻監(jiān)控系統(tǒng)中最常見的兩大問題，誤報（falsepositives）會浪費人力物力，漏報可能會導致非常危險的后果發(fā)生。（4）數(shù)據(jù)分析困難。而經(jīng)常發(fā)生的誤報漏報現(xiàn)象也造成了無用數(shù)據(jù)的進一步增加，帶來更大的困難。對于安全威脅的響應速度直接關系到一個安全系統(tǒng)的整體性能。為了解決上述導致視頻監(jiān)控系統(tǒng)效率低下的問題，人們把計算機視覺的相關技術引入視頻監(jiān)控中，從而發(fā)展起新型的視頻監(jiān)控技術—智能視頻監(jiān)控，也稱自動視頻監(jiān)控，在視頻監(jiān)控系統(tǒng)中處于核心地位，對于整個系統(tǒng)的效率提高具有重要意義。圖 中，目標檢測、目標分類、目標識別和目標跟蹤是視頻處理中的基礎部分，而行為分析和理解則屬于更高級的處理分析部分。 行人檢測與跟蹤視頻監(jiān)控場景中行人是監(jiān)控的主要對象，因此對行人的檢測和跟蹤是一個至關重要的問題，這屬于智能視頻監(jiān)控系統(tǒng)的底層工作，其性能好壞將直接影響后續(xù)工作乃至整個系統(tǒng)的性能。基于視覺的行人檢測目前仍舊是計算機視覺領域的一個公認的難題。到目前為止，一些人體檢測系統(tǒng)在某些約束環(huán)境中被證明能有效地檢測行人，從而鼓舞了研究人員開展進一步的研究工作。 行人跟蹤行人跟蹤監(jiān)視人體在視頻中的空間和時間變化，包括人體的出現(xiàn)、位置變化、大小信息、形狀等，在連續(xù)幀上匹配目標區(qū)域，求解時間上的對應問題。跟蹤過程根據(jù)應用場景中的目標數(shù)目分為單目標和多目標。 國內外研究現(xiàn)狀伴隨著視頻處理、數(shù)據(jù)庫、人工智能等學科的發(fā)展，智能視頻監(jiān)控越來越顯現(xiàn)出廣闊的應用前景和潛在的經(jīng)濟價值。例如，1997 年美國國防高級研究項目署(DARPA)設立了 VSAM(VisualSurveillance And Monitoring)（Collins et al. 2000）項目，該系統(tǒng)融合多種不同類型傳感器，研究軍事和民用場景下視頻理解技術。智能視頻監(jiān)控更是受到很多學者的高度關注，在理論方面取得了長足的進展。國際上也有許多公司研究智能視頻監(jiān)控技術并推出了市場化的產(chǎn)品(焦波，2005)。