论文部分内容阅读
计算机视觉(computer vision)是计算机科学中一个极大挑战性的重要研究方向。随着计算机在军事、理疗、安防及视频监控等领域有着越来越广泛的作用,计算机对人们的影响越来越大,得到重视和关注也越来越多。这一技术的应用变得越来越具有可行性。社会管理水平逐渐提高,视频监控以其实时、直观而形象的信息展现形式越来越得到社会领域的广泛应用,在军事领域的跟踪监测、智能机器人视觉和安防视频监控上应用的停车场、公共场所、购物公园、商场、学校等等得到不错的成效。但与此同时,不间断的获取海量的视频数据,存储空间是非常庞大的,按有关部门要求,所监视的视频文件保存日期为十五天以上,假如某商场监控所需要视频监控系统进行全天监控,8路的视频监控需要的存储空间大致为3.4TB,如此大量的数据库只是单单一个商场所产生的数据。由此可见,一个城市、一个地区乃至全国的监控场所所产生的监控视频数据不敢设想。安保人员看这些大量的视频数据,要准确的看到到每一物每一景,有有些场所是静止的,有些场所是运动的,长时间观看这些海量的监控视频,容易疲劳的同时还可能错过重要信息。尽管这些信息看起来不显眼,却有可能是破案的关键。更糟糕的是,在大部分情况下,这些海量的监控视频在未被浏览的情况下就被迫删除,因为将时长15天的监控视频查看一遍需要耗费巨大的人力物力。所以,如此海量的视频数据直接导致了如下显著的问题:视频摄像头的广泛部署,以及24小时不断地视频录像,视频数据呈现爆炸性增长,人工浏览方式难以快速查询历史录像。此外,当前视频监控系统受存储,空间的限制,大部分的视频在存储7天之后就会被删除,这意味着某些出现在监控视频里的证据也不得不删除,使得证据丢失。综上所述,本文提出了基于网络视频监控的视频浓缩算法,对一些大场景进行协同监控,采用部分重叠的摄像头和视频集中进行基于合并的全景图,展现完整的运动行为。由于投影误差、时间不同步和目标提取误差等原因,摄像机之间提取的目标运动轨迹容易造成不匹配。为了克服上述问题,本分采用图像粘贴的方式,结合有效特征,进行摄像机之间的运动目标轨迹匹配,然后对匹配好的轨迹在重叠的部分进行融合。在视频摘要的算法,被认为是损失的目标重叠和获得最佳的排列。针对本次设计,作者主要负责对监控视频轨迹的提取、填充,以及对轨迹的截取与粘贴等部分的实现与测试、优化。另外,还有系统的功能分析,从整体角度介绍整个系统的工作流程以及由于本项目要实现对监控视频的实时处理,对处理速度有很高要求,作者还要负责对整个项目的优化、加速。