智能视频监控中目标检测与识别

上篇智能视频监控中目标检测与识别概论

第1章绪论

1.1智能视频监控概述

1.1.1智能视频监控的发展

1.1.2智能视频监控中的关键问题

1.2智能视频监控的研究内容

1.2.1智能视频监控的系统结构

1.2.2智能视频监控的难题

1.3研究现状与应用前景

参考文献

第2章计算机运动视觉相关理论

2.1摄像机的标定

2.1.1坐标系的变换

2.1.2摄像机的标定

2.2双目立体视觉

2.2.1特征匹配关键技术

2.2.2特征匹配算法分类与立体成像

2.3运动视觉

2.3.1运动视觉的研究内容

2.3.2运动视觉处理框架

2.4场景理解

2.4.1场景理解认知框架

2.4.2静态场景理解

2.4.3动态场景理解

参考文献

第3章运动目标检测技术

3.1运动目标检测概述

3.1.1光流法

3.1.2相邻帧差法

3.1.3背景差法

3.1.4边缘检测方法

3.1.5其他重要的相关方法

3.2视频监控中的背景建模

3.2.1背景提取与更新算法概述

3.2.2基于GMM的背景提取与更新算法

3.2.3基于AKGMM的背景提取与更新算法

3.2.4去除阴影

3.3ROI面积缩减车辆检测搜索算法

3.3.1改进的帧差法

3.3.2图像的腐蚀与膨胀

3.3.3车辆目标分割识别

3.3.4实验结果与分析

参考文献

第4章运动目标跟踪技术

4.1目标跟踪的分类

4.2目标跟踪方法

4.2.1基于特征的跟踪方法

4.2.2基于3D的跟踪方法

4.2.3基于主动轮廓的跟踪方法

4.2.4基于运动估计的跟踪方法

4.3粒子滤波器

4.3.1离散贝叶斯滤波系统

4.3.2蒙特卡洛采样(MonteCarloSampling)

4.3.3贝叶斯重要性采样(BayesianImportanceSampling)

4.3.4序列化重要性采样(SequentialImportanceSampling)

4.3.5粒子滤波(ParticleFilte)一般算法描述

4.3.6粒子数目N的选取

4.4多视角目标跟踪

4.4.1目标交接

4.4.2多摄像机的协同

4.4.3摄像机之间的数据通讯

4.4.4多摄像机系统总体设计与集成

参考文献

第5章运动目标分类技术

5.1目标分类方法

5.1.1基于形状信息的分类

5.1.2基于运动特性的分类

5.1.3混合方法

5.2分类的特征提取

5.2.1视频图像的两种特征

5.2.2分类特征选择

5.3分类器构造

5.3.1支持向量机理论

5.3.2多类支持向量机

5.3.3特征训练

5.4训练和分类方案

5.4.1静态图像训练分类模型

5.4.2动态视频中运动对象的分类

5.4.3训练和分类的实验结果

参考文献

第6章行为理解技术

6.1行为理解的特征选择与运动表征

6.1.1特征选择

6.1.2运动表征

6.2场景分析

6.2.1场景结构

6.2.2场景知识库的建立和更新

6.3行为建模

6.3.1目标描述

6.3.2约束表达

6.3.3分层的行为模型结构

6.4行为识别

6.4.1基于模板匹配方法

6.4.2基于状态转移的图模型方法

6.4.3行为识别的实现

6.5高层行为与场景理解

6.6行为理解存在的问题与发展趋势

参考文献

下篇智能视频监控应用实例

第7章白天车辆检测实例

7.1道路交通样本库的采集与组织

7.1.1样本的采集

7.1.2样本库元信息和组织

7.2车辆检测系统结构设计

7.2.1基于视频的车辆检测方法概述

7.2.2虚拟线圈车辆检测法的算法流程

7.2.3系统框图

7.3背景重构

7.3.1视频背景重构技术回顾

7.3.2基于IMFKGMM的背景提取与更新算法

7.4灰度空间阴影检测算法研究

7.4.1彩色图像的灰度变换

7.4.2算法原理

7.4.3试验结果

7.5虚拟线圈车辆检测法

7.5.1数学形态学后处理与状态机

7.5.2交通参数的测量

第8章夜间车辆检测实例

8.1夜间视频车辆检测系统框架

8.2摄像机配置

8.2.1摄像机安装和标定

8.2.2车灯在路面上的投影与视野的设置

8.3车灯提取配对跟踪算法

8.3.1车灯提取与车灯形状特征

8.3.2配对跟踪算法

8.3.3交通参数计算与实验结果和分析

第9章昼夜亮度变化及切换方法

9.1离线亮度变化建模

9.1.1交通视频亮度变化实例与S型曲线

9.1.2离线曲线拟合

9.1.3在线亮度变化识别

9.2昼夜检测算法的切换方法

9.2.1亮度模型分析与切换时间选取策略

9.2.2过渡时段的切换方法

9.2.3切换方法试验结果

9.3仿真试验平台

第10章距离测量实例

10.1摄像机标定及距离测量

10.1.1OpenCV中的标定方法

10.1.2测距算法

10.2实验与结果分析

10.2.1内参数矩阵与场景无关性

10.2.2标定平面上两点间距离测量

10.2.3垂直于标定平面轴线上两点间距离测量

10.2.4双视角同时标定，任意两点间距离测量

第11章客流检测系统实例

11.1视频图像采集与数据结果传输

11.1.1视频图像采集系统设置

11.1.2视频文件

11.1.3数据结果的传输

11.2基于背景检测的行人检测

11.2.1背景分割

11.2.2行人检测

11.3基于blob检测的行人跟踪与计数策略

11.3.1基于blob的跟踪方法

11.3.2计数策略

11.4算法的工程实现与实验结果

后记

　　本书叙述了智能视频监控中目标检测与识别的基本理论和相关的信息技术，主要研究运动检测、运动目标跟踪及分类、场景分析和行为理解中的关键技术，包括视频图像中的背景重建、运动分割、遮挡处理、多摄像机跟踪、目标跟踪及分类、行为理解等，提出了多种新的便于工程实现的目标检测模型和算法。主要包括：基于高斯的背景重建算法；视频中目标阴影的去除算法；基于虚拟线圈的移动目标检测算法；基于车灯的夜间车辆检测算法；昼夜视频车辆检测方法的切换；多摄像机视角切换的目标跟踪；多视角的二维距离测量和行人的检测跟踪等方法。　　本书系统介绍了智能视频监控中目标检测与识别的基本问题及其相关处理技术。主要内容包括智能视频监控的理论、算法和典型应用实例。包括计算机视觉基本理论、运动目标检测技术、运动目标跟踪和分类技术、运动的场景分析及行为理解技术。其中目标的检测与识别技术在资助的科研项目中有成熟可行的应用实例。本书内容由浅入深、循序渐进，着重于经典内容和最新进展的结合，并辅以较多的应用范例。本书可作为高等院校有关专业的研究生和高年级本科生的教学参考书，也可供相关专业的科技人员学习参考。