监控场景下的目标检测与分析-模式识别与智能系统专业论文.docxVIP

上海交通大学 学位论文原创性声明 本人郑重声明:所呈交的学位论文，是本人在导师的指导下，独 立进行研究工作所取得的成果 。除文中已经注明引用的内容外，本论 文不包含任何其他个人或集体己经发表或撰写过的作品成果。对本文 的研究做出重要贡献的个人和集体，均已在文中以明确方式标明 。本 人完全意识到本声明的法律结果由本人承担。 学位仰者挑 食忧 日期: }Ol) 年 !月 11-- 日 万方数据 上海交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定， 同意学校保留并向国家有关部门或机构送交论文的复印件和电子版， 允许论文被查阅和借阅。本人授权上海交通大学可以将本学位论文的 全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫 描等复制手段保存和汇编本学位论文。 保密口，在一一年解密后适用本授权书 。 本学位论文属于 ， 不保密团。 (请在以上方框内打 .J) 学协作者签名: 如安、 指导教师签名:作i 日期:b吵 年 1 月 11.，日 日期: 2，.， lr 年 /月 I 日 万万数据 上海交通大学硕士学位论文 上海交通大学硕士学位论文 第 第 I 页 万方数据 监控场景下的目标检测与分析 摘 要 在视频监控领域，场景中的行人的检测和行为分析是当前研究的热点，而检测视 频监控区域中的运动目标和统计其中的行人数量则是行为分析的前提之一。特别是在 智能交通和公共安全领域，由于人工观测的工作量巨大，而且容易因人为因素而造成 检测结果的不准确，所以利用计算机视觉和模式识别的技术进行监控场景中的目标检 测与分析有着非常重要的意义。然而，现有的行人统计方法大多是基于跟踪或是回归 算法，跟踪算法无法解决拥挤人群的检测与统计；回归方法在处理密集人群时表现优 异，但在系统实时性上有其局限性。 本文不仅介绍了基于背景建模的运动目标检测方法，如高斯混合模型法，减首帧 法等，同时还提出了一种单帧的目标检测方法。相比于传统的单帧检测，本文提出的 方法更适合于在监控场景中使用。我们提出的目标检测方法在特定的感兴趣区域中进 行检测，同时由于特定区域中目标的大小变化不会很大，所以检测用的模板也不需要 进行大范围的改变，这对于提高监控系统实时性具有很重要的意义。 本文针对基于跟踪的行人计数问题，提出了一种基于步态的目标分析算法，能够 较为准确地区分行人与非行人的目标，比如行人所携带的行李箱或其他包裹。该算法 采用背景建模的方法分离出运动的前景目标，对于每一个前景目标块，分析其步态特 征，根据行人与非行人不同的步态特征，对得到的前景是否为行人进行判别，从而提 高基于跟踪的人数统计算法的精度。 针对行人统计的实时性问题，本文结合基于跟踪的统计方法与基于回归的统计方 法，提出了一种基于时间与空间信息分析的行人统计的方法，以达到处理密集场景和 实时性的要求。该算法首先需要获取包含时间与空间信息的时空切片图像，并从时空 切片图像的每个前景中提取一个十维的特征向量。根据这一特征向量，时空切片图像 中的前景部分由支持向量机进行分类，然后再进行聚类。通过周期性地记录运动目标 的时间空间信息，在一个周期的时间内分析时空信息中所含有的行人信息，可以得到 该周期内行人的数量，以及每个行人行走的方向。通过周期性地分析行人的行为，可 以实现监控系统的实时性。 实验结果表明，基于步态的目标分析算法能够很好地区分行人和非行人目标，实 第 第 II 页 万方数据 时地统计非拥挤场景下的行人数量；基于时间空间信息分析统计方法，能够准确地统 计出拥挤场景下行人的数量以及相应的每个行人的运动方向，同时达到监控系统实时 性的要求。 关键词：目标检测，行人计数，步态特征，时间空间信息分析，聚 类 万方数据 万方数据 ABSTRACT As a hot spot in the field of video surveillance, pedestrian detection and behavior analysis are becoming more and more popular. One of the prerequisites of behavior analysis is moving object detection, followed with pedestrian counting. In the area of intelligent transportation and public security, it is necessary to detect and analyze the objects in the surveillance scenes with computer vision and p