侵权投诉
订阅
纠错
加入自媒体

智能视频监控技术解析

2014-03-04 14:09
科技潮人
关注

  2、基于运动特性的分类

  基于运动特性的分类是利用人体运动的周期性进行目标分类的方法。例如Cutler与Davis通过跟踪感兴趣的运动目标,计算出目标随着时间变化的自相关特性,而人的周期性运动使得其自相关也是周期性的,因此通过时频化方法分析目标是否存在周期性的运动特性而将人识别出来;Lipton通过计算运动区域的残余光流来分析运动实体的刚性和周期性,非刚性的人的运动相比于刚性的车辆运动而言具有较高的平均残余光流,同时它也呈现了周期性的运动特征,据此可以将人区分出来。

  目标识别是系统对之前提取并跟踪的目标进行识别和辨识。要想让系统具有目标识别和辨识能力,需要对系统进行模型训练。就是利用已知的目标特征(如车辆、人员、动物等),对系统进行训练,系统将会在大量已知的样本信息上了解、学习不同目标的特征(大小、颜色、速度、行为方式等),这样当系统发现一个目标时,系统将自动与已经建立好的模型进行比对或匹配特征,从而对目标进行识别和分类。

  行为识别

  目标的行为识别是近年来被广泛关注的研究热点,它是指对目标的运动模式进行分析和识别。行为识别可以简单地被认为是时变数据的分类问题,即将测试序列与预先标定的代表典型行为的参考序列进行匹配。通过在跟踪过程中检测目标的行为以及行为变化,根据用户的自定义行为规则,判断被跟踪目标的行为是否存在威胁。

  1、模板匹配方法

  采用模板匹配技术的行为识别方法首先将图像序列转换为一组静态形状模式,然后在识别过程中和预先存储的行为标本相比较。模板匹配技术的优点是计算复杂度低、实现简单,然而它对于噪声和运动时间间隔的变化是敏感的。

  2、状态空间方法

  基于状态空间模型的方法定义每个静态姿势作为一个状态,这些状态之间通过某种概率联系起来。任何运动序列可以看作为这些静态姿势的不同状态之间的一次遍历过程,在这些遍历期间计算联合概率。其最大值被选择作为分类行为的标准。目前,状态空间模型已经被广泛地应用于时间序列的预测、估计和检测,最有代表性的是HMMS。每个状态中可用于识别的特征包括点、线或二维小区域。状态空间方法虽然能克服模板匹配的缺点,但通常涉及到复杂的迭代运算。

  结束语

  视频监控系统的核心价值在于智能视频分析技术,由运动目标检测、分类、跟踪和行为识别等几个基本节组成,还包括智能视频检索技术,其中行为识别又包括异常行为检测、异常事件检测以及视频内容理解描述等。近年来,智能视频监控技术取得长足发展,应用领域不断扩大,从自动目标检测到现在的事件检测、自动目标识别,其监控产品也逐渐由模拟化向数字化、网络化与智能化方向发展。

<上一页  1  2  3  4  5  
声明: 本文由入驻维科号的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号