必威,必威体育,必威官网登录

欢迎光临必威体育 专业承建必威体育,监控安装,必威系统,安防,弱电,必威官网!
联系大家
咨询电话
必威体育

联系电话:17780710906  13086625673

技术服务:15208243520

售后电话:028-83179554

邮箱:disentf@qq.com

地址:成都市武侯区一环路南二段9号409

专业承建:视频监控 楼宇对讲 停车场管理 必威 网络布线 机房建设 背景音乐 远程会议
当前位置:必威 > 资讯资讯 > 企业资讯 >
必威安装:智能视频监控技术特性
编辑:必威安装企业 来源:www.disentf.cn 发布日期:2019-06-20
必威安装:智能视频监控技术特性

智能视频监控技术一直在发展,然而,环境的复杂性以及目标行为的多样性等原因使得智能监控算法变得复杂,且算法通常是针对具体的应用而设计的。尽管已经提出许多被证明是有效的智能分析算法,但是受计算机数据处理能力的限制,难以适合实时计算,自适应性也较差,应用场合受限。目前,对于以目标整体的运动轨迹作为研究目标,提取运动目标的运动特征或者其本身所具有的特性这种类型的视频智能分析已经取得了一定的成果。智能视频监控系统可以解决两个主要问题:一个是将安防操作人员从繁杂而枯燥的“盯屏幕”任务中摆脱出来。由机器来完成这部分工作,对异常情况能够及时处理等,比如报警等;另外一个是为在海量的视频数据中快速搜索到想要找的图像。

一、移动目标提取

运动检测是从图像序列中将变化区域从背景图像中提取出来。运动区域的有效分割将大大减少后续过程的运算量。然而,背景图像的不稳定性,如阴影、光照、慢移动、静移动(树叶的摆动)等等,也使得运动检测非常困难。目前较为实用的视频分析方法主要有两类:一类是背景减除方法,另一类是时间差分方法。背景减除方法是利用当前图像和背景图象的差分来检测出运动区域的一种方法,可以提供比较完整的运动目标特征数据,精确度和灵敏度比较高,具有良好的性能表现。时间差分法利用视频图像特征,从连续得到的视频流中提取所需要的动态目标信息。时间差分实质是利用相邻帧图像相减来提取前景目标移动的信息,此方法不能完全提取所有相关特征像素点,在运动实体内部可能产生空洞,能检测出目标的边缘必威安装。



二、移动目标跟踪

移动目标跟踪等价于在连续的图像帧间,创建基于位置、速度、形状、纹理、色彩等有关特征的对应匹配问题。常用的数学工具有卡尔曼滤波、Condensation算法及动态贝叶斯网络等。其中Kalman滤波是基于高斯分布的状态预测方法。不能有效地处理多峰模式的分布情况;Condensation算法是以因子抽样为基础的条件密度传播方法,结合可学习的动态模型,可完成鲁棒的运动跟踪。就跟踪对象而言,跟踪如手、脸、头、腿等身体部分与跟踪整个目标;就跟踪视角而言,有对应于单必威的单一视角、对应于多必威的多视角和全方位视角;当然还可以通过跟踪空间(二维或三维)、跟踪环境(室内或户外)、跟踪人数(单人、多人、人群)、必威状态(运动或固定)等方面进行分类。从跟踪方法的不同讨论跟踪算法。

(1)基于模型的跟踪

传统的人体表达方法有如下三种:①线图法:人运动的实质是骨骼的运动,因此该表达方法将身体的各个部分以直线来近似。②二维轮廓(2DContour):该人体表达方法的使用直接与人体在图像中的投影有关,如Ju等提出的纸板人模型,它将人的肢体用一组连接的平面区域块所表达,该区域块的参数化运动受关节运动(ArticulatedMovement)的约束,该模型被用于关节运动图像的分析。③立体模型(VolumetricModel):它是利用广义锥台、椭圆柱、球等三维模型来描述人体的结构细节,因此要求更多的计算参数和匹配过程中更大的计算量。例如Rohr使用14个椭圆柱体模型来表达人体结构,坐标系统的原点被定位在躯干的中心,目的是想利用该模型来产生人的行走的三维描述;Wachter与Nagel利用椭圆锥台建立三维人体模型,通过在连续的图像帧问匹配三维人体模型的投影来获得人运动的定量描述,其中,它利用了迭代的扩展卡尔曼滤波方法,结合边缘、区域信息及身体解析约束确定的身体关节运动的自由度,实现单目图像序列中人的跟踪必威安装。




(2)基于区域的跟踪

基于区域的跟踪方法目前已有较多的应用,例如Wren等利用小区域特征进行室内单人的跟踪,文中将人体看作由头、躯干、四肢等身体部分所对应的小区域块所组成,利用高斯分布建立人体和场景的模型,属于人体的像素被规划于不同的身体部分。通过跟踪各个小区域块来完成整个人的跟踪。基于区域跟踪的难点是处理运动目标的影子和遮挡,这或许可利用彩色信息以及阴影区域缺乏纹理的性质来加以解决,如McKenna等首先利用色彩和梯度信息建立自适应的背景模型,并且利用背景减除方法提取运动区域,有效地消除了影子的影响;然后,跟踪过程在区域、目标、目标群三个抽象级别上实行,区域可以合并和分离,而人是由许多身体部分区域在满足几何约束的条件下组成的,同时人群又是由单个的人组成的,因此利用区域**并结合人的表面颜色模型,在遮挡情况下也能够较好地完成多人的跟踪。

(3)基于活动轮廓的跟踪

基于活动轮廓的跟踪思想是利用封闭的曲线轮廓来表达运动目标,并且该轮廓能够自动连续地更新。例如Paragios与Deriche利用短程线的活动轮廓、结合LevelSet理论在图像序列中检测和跟踪多个运动目标;采用基于卡尔曼滤波的活动轮廓来跟踪非刚性的运动物体;利用随机微分方程去描述复杂的运动模型,并与可变形模板相结合应用于人的跟踪。相对于基于区域的跟踪方法,轮廓表达有减少计算复杂度的优点。如果开始能够合理地分开每个运动目标并实现轮廓初始化的话,即使在有部分遮挡存在的情况下也能连续地进行跟踪,然而初始化通常是很困难的必威安装。

(4)基于特征的跟踪

基于特征的跟踪包括特征的提取和特征的匹配两个过程。一个很好的例子是点特征跟踪,将每个目标用一个矩形框封闭起来,封闭框的质心被选择作为跟踪的特征;在跟踪过程中若两人出现相互遮挡时。世纪星先容只要质心的速度能被区分开来,跟踪仍能被成功地实行;该方法的优点是实现简单,并能利用人体运动来解决遮挡问题,但是它仅仅考虑了平移运动。如果结合纹理、彩色及形状等特征可能会进一步提高跟踪的鲁棒性。另外,Segen与Pingali的跟踪系统使用了运动轮廓的角点作为对应特征,这些特征点采用基于位置和点的曲率值的距离度量在连续帧间进行匹配。


售前-小何

扫一扫,加微信

XML 地图 | Sitemap 地图