论文部分内容阅读
传统的基于监控视频的动态目标检测及行为分析大多是围绕视频图像本身进行研究,如图像内人体结构、图像颜色相似度等,忽略了监控视频内所包含的大量的地理信息,难以实现将视频监控与地理空间信息进行关联。将视频监控信息与地理空间的时空信息相互融合,把静态的地理空间信息赋予其动态属性,可以大大提高视频监控信息的分析、理解能力。因此,本文建立视频监控图像与地理空间的互映射模型,将视频图像信息与地理空间信息相互融合,通过研究室内动态目标时空特征信息提取及行为识别方法,解决了室内动态目标定位及动态目标行为识别这一技术问题,达到了视频监控与地理空间信息有机融合的目的。本文的具体内容和成果如下:(1)建立一种基于EPnP的视频监控图像的地理空间坐标互映射模型,找到图像像素点与地理空间对应点坐标的互对应关系,将图像像素点赋予地理空间坐标,利用此模型实现视频帧所包含的室内动态目标在地理空间内的精准定位,实现动态目标的快速、准确定位。(2)提出一种融合帧差法与改进Vibe的动态目标检测算法,通过增加对闪烁像素的检测以及结合基于HSV色彩空间的动态目标检测阴影去除方法,有效解决了Vibe算法处理动态目标产生的鬼影、阴影问题,获得了完整的前景目标图像。(3)设计一种在地理约束空间内对动态目标时空特征信息提取方法,对每个单帧图像中的动态目标相关特征进行提取,采用基于EPnP的视频监控图像的地理空间坐标互映射模型计算出单帧目标的地理空间坐标,通过采用感知哈希算法实现视频帧序列下行人动态目标的稳定跟踪,进而获取其速度、加速度、运动方向等时空特征信息,实现视频连续帧序列动态目标时空特征数据提取。(4)研究基于SVM的动态目标行为检测与识别方法,通过对动态目标进行质心提取,计算其最小外接矩形高宽比、动态目标归一化质心M1值及动态目标质心在图像坐标系u、v方向上的变化率,构建分类器,利用SVM进行训练,实现对多种动态目标行为的检测与识别。