智能視頻監控的安防系統設計(二)_第1頁
智能視頻監控的安防系統設計(二)_第2頁
智能視頻監控的安防系統設計(二)_第3頁
智能視頻監控的安防系統設計(二)_第4頁
全文預覽已結束

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

【Word版本下載可任意編輯】智能視頻監控的安防系統設計(二)相關資料:

基于智能視頻監控的安防系統設計(一)

3智能視頻分析的實現

對視頻圖像的采集、分析工作主要由前端攝像機內置的嵌入式微處理器來完成。這種數據處理方式可以使得系統對原始或接近原始的圖象開展分析,時間做出快速而準確的判斷。

一個完整的視頻圖像分析處理過程需要融合圖像處理技術、模式識別技術等多種技術手段才能到達較好的實踐效果。其工作過程包括圖像的預處理、圖像分割、特征提取和圖像分類,工作流程圖如圖3所示。

系統的圖像識別設計借鑒運動檢測的思路來實現:首先根據各坐標的像素值在整個序列中的統計信息對背景開展恢復,如有異常情況,則提取出來;然后再利用統計方法識別該異常情況的所屬類別。

圖像的識別主要運用幀間變化檢測方法來實現,其基本流程分為:

(1)圖像預處理,根據圖像的模糊情況采用各類特殊技術來突出圖像中的某些細節信息并削弱或消除無關信息,從而到達增強圖像的整體或局部特征的目的。

(2)圖像的背景恢復及異常提取,根據各坐標處像素值在整個序列中的統計信息對圖像背景開展恢復,然后利用當前幀與恢復出來的背景相減,提取出發生了異常情況的區域;(3)圖像分類,利用當前幀與恢復出來的靜態背景相減,提取出所有可能發生了異常情況的區域。

3.1圖像預處理

常見的圖像增強從處理的作用域出發,可分為空間域和頻率域兩大類,其中空間域增強是直接在圖像所在空間中開展處理,對圖像的像素灰度值直接開展運算處理。空間域圖像增強技術可用公式1來描述:

式中:F(x,y)為處理前的圖像,G(x,y)為處理后的圖像,H(x,y)為空間運算函數頻率域圖像增強是將原空間的圖像以某種形式轉換到其他空間,然后利用該轉換空間的特有性質開展處理,再轉換回原空間中。其過程可用圖4來描述:

3.2圖像背景恢復及異常提取

視頻序列的幀與幀之間有很強的相關性,如果只利用單幀信息來開展分析處理,錯誤率很高,當前分析效果較好的方法是聯合多幀開展處理。基于這一思想,可以根據各個坐標處像素值在整個序列中的統計信息對背景開展恢復。文中設計的系統采用靜態背景恢復開展處理:

首先,我們將圖像序列定義為B(x,y,i),其中x,y代表空間坐標,i代表幀數(i=1,…,N),N為序列總幀數。視頻幀差CDM反映了相鄰幀之間的灰度變化:

式中:閾值T用來去除噪聲。對固定的坐標位置(x,y),CDM(x,y,i)可以表示為幀數i的函數,它記錄了像素點(x,y)沿時間軸的變化曲線。可以根據CDM(x,y,i)是否大于零將這條曲線分段,并將其用集合表示。

系統操作步驟具體為:

(1)讀出相鄰兩幀數據,開展比較,并計算出它們的差值;(2)對得到的兩幀圖像差開展二值化處理,將二值化后的圖像在特定的腐蝕窗口條件下開展腐蝕處理,隨后計算出經腐蝕處理后的圖像的標準幀間偏移;(3)重復步驟(1)和步驟(2);(4)對每一個像素點跟蹤長度設定為0,并記錄其長度中的中間幀標號;(5)遍歷整個序列,跟蹤、記錄下單個點連續為0的長度;(6)遍歷整幀圖像,設置背景數據,恢復得到靜態背景。

3.3圖像分類

從一個復雜的場景中提取出目標物體后,為了便于識別,需要對目標物體的尺寸特征、形狀特征等開展測量計算。這些特征必須相對于特定的物體具有一定的穩定性,例如當圖像發生旋轉、平移時,物體的面積、周長不會出現明顯變化;當圖像由于目標物體與攝像機距離的不同而導致攝入的圖像大小不同時,比例特征不會發生改變。系統可以借助這些較為穩定的特征來區別不同的物體,從而準確識別進入場景的目標。在本系統中,主要采用面積和比例特征來區分運動對象。

系統圖像分類采用統計模式識別方法,該方法事先定義了若干的類型或范疇,它認為圖像可能包含一個或多個物體,并且每個物體都將屬于某一類事先定義的類型或范疇.其中完成“分類”工作的器件是“分類器”.分類器的類型有許多,比方參數的和非參數的,線性的和非線性的。本系統設計選擇了線性分類器,并利用距離分類法對物體開展辨識分類。該方法是用輸入模式和特征空間作為模板的點之間的距離作為分類的準則。設有m個類別的圖像,其類別分別為W1,W2,…,Wm.現要判斷任一個給定的圖像是這m個類別中的哪一類,則可以通過提取圖像的特征來開展判斷。

當圖像類別很多時,特征一般也較多。為了分析和分類的方便,可用圖像的d(假設圖像有d個特征)個特征組成d維空間中的特征向量X來表示,如果有m個類別,就有m個這樣的特征向量。

因此,從圖像中提取到全部特征后,組成d維向量,采用距離分類法與樣本庫中的圖像類的特征向量開展匹配運算,如果其與第i(0<i≤m)類特征向量相匹配,則說明要識別的目標屬于第i(0<i≤m)類,從而完成對圖像序列中目標的識別。

4小結

針對視頻監控領域的發展現狀和存在的問題,基于前人的研究結果和作者多年來的工作實踐,文中提出了一種基于智能視頻分析的監控系統設計,從硬件架構和軟件架構上都做了分析說明,為監控系統的設計提供了一種新的方法和思路。

智能視頻監控技術的應用前

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論