论文部分内容阅读
进入二十一世纪以来,高新科技在社会上的运用越来越广泛,作为现在社会中安保系统的核心部分,对人群和实物的监控也越来越智能化了。目前,由于全世界范围内从事监控方面的技术人员对监控技术地持续研发和创新,使得智能监控这一方向成为业界的一个焦点研究方向。相关监控技术的向前发展也推动了全世界范围内诸如金融、交通、国防等事关国家安全的重要领域的实时性、精确性等智能化监控的建设。针对于客户需求中所要求的室内场景下的异常行为监控,本文分别研究了此场景下比较通用的目标跟踪算法及异常行为检测算法,将整个系统主要分为目标跟踪模块和异常行为检测(识别)模块。在目标跟踪模块中,基于均值偏移(MeanShift)算法具有的计算量小、延迟少等优点及其所存在的模板更新智能化程度低、误判率高等缺点,同时研究了粒子滤波算法所具有的模板更新快、准确率高等优点及其所存在的计算量大、粒子多样性差、遮挡问题严重等缺点,作者提出了基于卡尔曼(Kalman)滤波法的目标跟踪算法以解决上述算法的不足之处;在异常行为检测(识别)模块中,作者提出基于隐马尔科夫模型(Hidden Markov Model)的异常行为检测算法来实现本模块的功能,实验证明使用该方法进行异常行为检测效果比较优良。论文研究了业界普遍使用的监控方法及在特定场景下所对应的监控方法的一些不足,进而提出了适合本文所对应场景的监控方法。具体而言,本文针对目标跟踪模块和异常行为识别模块分别提出了基于Kalman滤波法的目标跟踪算法及基于隐马尔科夫模型的行为识别算法来实现这两个模块的功能。作者所在的项目组根据上述提出的关于跟踪及异常行为识别的相关算法,结合开源库OpenCV2.0,开发出了基于室内及室外场景的智能监控平台,在实时性、误报率等事关系统性能的重要指标上取得了良好的结果。