本文關(guān)鍵詞：智能視頻監(jiān)控系統(tǒng)關(guān)鍵技術(shù)研究及其在安卓平臺下的實現(xiàn)，由筆耕文化傳播整理發(fā)布。

【摘要】：視頻監(jiān)控是人們生活中的一種重要的安保手段。近年來，隨著計算機視覺技術(shù)的長足進步，傳統(tǒng)的視頻監(jiān)控系統(tǒng)也開始向著自動化、無人化、全天候發(fā)展，逐步形成了新一代的智能視頻監(jiān)控系統(tǒng)。于此同時，硬件制造技術(shù)的迅猛發(fā)展使得單片機、手機等智能終端的計算能力越來越強大，逐漸具備了進行圖像處理與識別的能力�；谝陨涎芯勘尘�，本文對智能監(jiān)控系統(tǒng)的幾個關(guān)鍵技術(shù)進行了研究與改進，并在當下較為流行的安卓平臺上加以實現(xiàn)，具體研究工作如下： (1)對智能監(jiān)控系統(tǒng)的核心技術(shù)即運動目標識別算法進行了研究并針對其不足提出了改進。分析了目前應用較多的自適應背景模型、運動歷史背景模型、高斯背景模型、碼本背景模型及視頻背景提取模型，從原理上闡述了每種方法的適用情況，并針對不同評價指標結(jié)合具體的數(shù)據(jù)對其效果與優(yōu)缺點進行了比較。針對智能移動終端計算能力有限這一實際情況，選取了視頻背景提取算法作為系統(tǒng)設計的核心算法。這種方法在擁有較低的算法復雜度的同時，還能得到相對較好的檢測效果，是智能終端的不二選擇。但該算法也存在一定缺陷，由于其背景建模方法過于簡單，僅僅是對第一幀每個像素點的鄰域像素進行隨機采樣，并沒有考慮背景中是否已經(jīng)含有前景的情況，導致在很多情況下該模型容易出現(xiàn)鬼影現(xiàn)象而造成誤檢。針對這一問題，本文提出了一種改進方法，即將一定數(shù)量的待檢測幀作為樣本，通過對有一定間隔的兩幀做邏輯操作得到相對準確的鬼影區(qū)域并對其加以去除，最后將處理后的幀作為第一幀重新運行視頻背景提取模型的方法。經(jīng)實驗驗證這種方法簡單、可靠、效果較為理想。 (2)為提高運動目標識別結(jié)果的準確性，在識別前后進行了預處理與后處理。通過光學傳感器得到的數(shù)字圖像，總是或多或少的存在一定數(shù)量的噪聲。這種噪聲在一定程度上會導致錯誤的檢測結(jié)果。為解決這一問題，本文采用高斯濾波與中值濾波的方法對圖像進行優(yōu)化，提高了待檢圖像的整體質(zhì)量。光學傳感器自身抖動會導致圖像的小范圍擺動，這種擺動對檢測結(jié)果影響較大。為解決這一問題，本文采用運動估計的方法對待檢圖像進行穩(wěn)像操作并加以補償，效果明顯。針對運動目標識別的結(jié)果采取形態(tài)學濾波的方法去除了一定數(shù)量的誤判。 (3)通過對人體形態(tài)學特征進行分析，發(fā)現(xiàn)人體的高、寬比例關(guān)系處于一定范圍之內(nèi)。通過對是否滿足這種比例關(guān)系進行判斷，，即可在一定程度上識別出人體。通過對人體的識別，排除了后處理中未能解決的誤檢問題，也為系統(tǒng)做出預警打下了基礎(chǔ)；通過對煙霧的監(jiān)控可以對火災的發(fā)生做出早期的預警。袁非牛提出的煙霧顏色模型算法簡單，效果較好，通過對其加以運用，可初步具備火災預警能力。 (4)在Android平臺上設計與構(gòu)建了智能視頻監(jiān)控系統(tǒng)。結(jié)合本文提出的改進后的視頻背景提取算法，在安卓平臺下通過調(diào)用基于OpenCV庫實現(xiàn)的C++文件，實現(xiàn)了智能監(jiān)控系統(tǒng)。
【關(guān)鍵詞】：智能監(jiān)控系統(tǒng) 視覺背景提取 安卓 人體識別 煙霧識別 鬼影
【學位授予單位】：吉林大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TN948.6
【目錄】：

• 摘要4-6
• Abstract6-11
• 第1章 緒論11-18
• 1.1 課題研究背景11-12
• 1.2 智能視頻監(jiān)控系統(tǒng)簡介12-14
• 1.3 相關(guān)領(lǐng)域發(fā)展現(xiàn)狀14-17
• 1.3.1 智能監(jiān)控系統(tǒng)發(fā)展現(xiàn)狀14-15
• 1.3.2 計算機視覺相關(guān)技術(shù)發(fā)展現(xiàn)狀15-16
• 1.3.3 OpenCV 簡介16
• 1.3.4 安卓平臺簡介16-17
• 1.4 論文內(nèi)容與難點17
• 1.5 論文章節(jié)結(jié)構(gòu)17-18
• 第2章 圖像預處理與后處理18-25
• 2.1 圖像預處理18-23
• 2.1.1 噪聲去除18-21
• 2.1.2 運動估計與補償21-23
• 2.2 圖像后處理23-24
• 2.3 本章小結(jié)24-25
• 第3章 運動目標識別算法25-40
• 3.1 幀間差分法25-26
• 3.2 光流法26-28
• 3.3 背景差分法28-35
• 3.3.1 自適應背景模型28
• 3.3.2 運動歷史模型28-29
• 3.3.3 高斯模型29
• 3.3.4 碼本模型29-31
• 3.3.5 視頻背景提取模型31-35
• 3.4 差分法各種模型效果比較35-37
• 3.4.1 評價指標說明35
• 3.4.2 實驗參數(shù)35-36
• 3.4.3 實驗結(jié)果36-37
• 3.5 對 ViBe 算法導致的“鬼影”現(xiàn)象的改進37-39
• 3.6 本章小結(jié)39-40
• 第4章 人體識別與煙霧識別40-45
• 4.1 人體識別40-42
• 4.1.1 基于人體比例關(guān)系的人體識別40-41
• 4.1.2 實驗結(jié)果41-42
• 4.2 煙霧識別42-44
• 4.2.1 常用煙霧識別算法43-44
• 4.2.2 實驗結(jié)果44
• 4.3 本章小結(jié)44-45
• 第5章 安卓平臺下的系統(tǒng)實現(xiàn)45-50
• 5.1 安卓平臺開發(fā)環(huán)境簡介45
• 5.2 Android OpenCV45-47
• 5.2.1 Android OpenCV 簡介45-46
• 5.2.2 在安卓應用程序中調(diào)用 OpenCV46-47
• 5.3 智能監(jiān)控系統(tǒng)設計47
• 5.4 系統(tǒng)運行結(jié)果47-50
• 第6章 總結(jié)與研究展望50-51
• 6.1 工作總結(jié)50
• 6.2 研究展望50-51
• 參考文獻51-54
• 作者簡介及在學期間所取得的科研成果54-55
• 致謝55

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張仕成;;基于Google Android平臺的應用程序開發(fā)與研究[J];電腦知識與技術(shù);2009年28期

2 常太華,蘇杰,田亮;一種基于DSP實現(xiàn)火焰檢測的方法[J];華北電力大學學報;2002年04期

3 章慧;張露;;低濃度煙霧檢測方法研究與仿真[J];計算機仿真;2012年05期

4 戴斌;方宇強;孫振平;王亮;;基于光流技術(shù)的運動目標檢測和跟蹤方法研究[J];科技導報;2009年12期

5 蘇延召;李艾華;姜柯;金廣智;;改進視覺背景提取模型的運動目標檢測算法[J];計算機輔助設計與圖形學學報;2014年02期

6 王民;文義玲;;常用圖像去噪算法的比較與研究[J];西安建筑科技大學學報(自然科學版);2010年06期

7 聶p

本文編號：296673