【摘要】：針對傳統(tǒng)視頻監(jiān)控方法無法對密集前景目標(biāo)進(jìn)行準(zhǔn)確分割的問題,提出一種基于Adaboost和碼本模型的多目標(biāo)視頻監(jiān)控方法。首先,通過訓(xùn)練得到Adaboost人頭分類器,利用碼本算法為垂直拍攝的手扶電梯出入口圖像建立背景模型,提取前景圖像對其進(jìn)行人頭檢測和跟蹤;之后,剔除行人目標(biāo)得到物件目標(biāo),對物件目標(biāo)進(jìn)行跟蹤;最后,根據(jù)行人和物件的運動特征進(jìn)行監(jiān)控。對12段出入口視頻序列的實驗結(jié)果表明,監(jiān)控方法能夠準(zhǔn)確穩(wěn)定地跟蹤行人和物件,完成逆行檢測、客流統(tǒng)計、行人擁堵和物件滯留等監(jiān)控任務(wù),處理速度達(dá)到36幀/秒,目標(biāo)跟蹤準(zhǔn)確率達(dá)到94%以上,行為監(jiān)控準(zhǔn)確率達(dá)到95.8%,滿足智能視頻監(jiān)控系統(tǒng)魯棒性、實時性和準(zhǔn)確性的要求。
[Abstract]:Aiming at the problem that the traditional video surveillance method can not segment the dense foreground target accurately, a multi-target video surveillance method based on Adaboost and codebook model is proposed. Firstly, the Adaboost head classifier is trained, and the background model is established by the codebook algorithm to extract the foreground image to detect and track the human head. The object is obtained by eliminating the pedestrian target, and the object is tracked. Finally, the object is monitored according to the movement characteristics of the pedestrian and the object. The experimental results of 12 video sequences show that the method can track people and objects accurately and stably, complete the tasks of retrograde detection, passenger flow statistics, pedestrian congestion and object retention, and the processing speed is up to 36 frames per second. The accuracy of target tracking is over 94%, and the accuracy of behavior monitoring is 95.8%, which meets the requirements of robustness, real-time and accuracy of intelligent video surveillance system.
【作者單位】： 華南理工大學(xué)自動化科學(xué)與工程學(xué)院;
【基金】：廣州市產(chǎn)學(xué)研項目(201604010114) 廣東省前沿與關(guān)鍵技術(shù)創(chuàng)新專項資金資助項目(2016B090912001) 廣州市科信局國際合作項目(2012J5100001)~~
【分類號】：TN948.6;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 林志陽;康耀紅;雷景生;;基于Adaboost的車標(biāo)定位方法[J];計算機(jī)工程;2008年11期

2 張磊;;基于AdaBoost的側(cè)面人臉、人耳檢測[J];科學(xué)大眾;2008年08期

3 付忠良;;關(guān)于AdaBoost有效性的分析[J];計算機(jī)研究與發(fā)展;2008年10期

4 張崗?fù)?楊全;;兩種Adaboost方法在人臉檢測中的比較研究[J];微計算機(jī)信息;2009年24期

5 嚴(yán)超;王元慶;李久雪;張兆揚;;AdaBoost分類問題的理論推導(dǎo)[J];東南大學(xué)學(xué)報(自然科學(xué)版);2011年04期

6 李印;;基于AdaBoost的行人檢測研究與實現(xiàn)[J];數(shù)字技術(shù)與應(yīng)用;2012年03期

7 蘇加強(qiáng);丁柳云;;基于R的監(jiān)督式AdaBoost異常值檢測應(yīng)用[J];淮海工學(xué)院學(xué)報(自然科學(xué)版);2013年01期

8 張志勛;張磊;楊凡;;一種改進(jìn)的Adaboost人臉檢測方法[J];自動化與儀器儀表;2013年06期

9 王海川,張立明;一種新的Adaboost快速訓(xùn)練算法[J];復(fù)旦學(xué)報(自然科學(xué)版);2004年01期

10 趙江,徐魯安;基于AdaBoost算法的目標(biāo)檢測[J];計算機(jī)工程;2004年04期

相關(guān)會議論文 前10條

1 Wen Feng;;A Novel Lips Detection Method Combined Adaboost Algorithm and Camshift Algorithm[A];2012年計算機(jī)應(yīng)用與系統(tǒng)建模國際會議論文集[C];2012年

2 張超;苗振江;;基于AdaBoost的面部信息感知[A];第十三屆全國信號處理學(xué)術(shù)年會（CCSP-2007）論文集[C];2007年

3 郭翌;汪源源;;基于Adaboost算法的頸動脈粥樣硬化判別方法[A];中國儀器儀表學(xué)會第十一屆青年學(xué)術(shù)會議論文集[C];2009年

4 張紅梅;高海華;王行愚;;抑制樣本噪聲的AdaBoost算法及其在入侵檢測中的應(yīng)用[A];2007年中國智能自動化會議論文集[C];2007年

5 陸文聰;鈕冰;金雨歡;;基于AdaBoost算法的亞細(xì)胞位置預(yù)測[A];中國化學(xué)會第26屆學(xué)術(shù)年會化學(xué)信息學(xué)與化學(xué)計量學(xué)分會場論文集[C];2008年

6 陳宏偉;劉建偉;費向東;;一種半監(jiān)督環(huán)境下的Adaboost算法[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（二）[C];2008年

7 唐曉丹;苗振江;;基于AdaBoost和粒子濾波的目標(biāo)跟蹤[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

8 張彬;金連文;;基于AdaBoost的手寫體漢字相似字符識別[A];第二十六屆中國控制會議論文集[C];2007年

9 ;Using Skin Color and HAD-AdaBoost Algorithm for Face Detection in Color Images[A];Information Technology and Computer Science—Proceedings of 2012 National Conference on Information Technology and Computer Science[C];2012年

10 肖磊;李麗;肖佳文;;基于AdaBoost-SVM的上市公司信用風(fēng)險評估[A];2012管理創(chuàng)新、智能科技與經(jīng)濟(jì)發(fā)展研討會論文集[C];2012年

相關(guān)博士學(xué)位論文 前4條

1 佟旭;基于復(fù)雜網(wǎng)絡(luò)理論的糖尿病腎病辨證建模研究[D];北京中醫(yī)藥大學(xué);2016年

2 劉沖;模擬電路故障診斷AdaBoost集成學(xué)習(xí)方法研究[D];大連海事大學(xué);2011年

3 張?zhí)珜?人眼注視點估計方法的研究[D];南開大學(xué);2013年

4 趙培英;基于智能計算的膜蛋白結(jié)構(gòu)與相互作用預(yù)測研究[D];東華大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 皮麗琴;基于AdaBoost-GASVM算法和LDA主題模型的短文本分類研究[D];華南理工大學(xué);2015年

2 孫斌;一種基于Adaboost的實時行人檢測算法[D];華南理工大學(xué);2015年

3 蔡澤彬;基于視頻分析的行人檢測及統(tǒng)計方法研究[D];華南理工大學(xué);2015年

4 游晴;Adaboost人臉檢測算法研究及其在硬件平臺上的實現(xiàn)[D];昆明理工大學(xué);2015年

5 宋雨;基于視覺圖片的腦—機(jī)接口控制研究[D];天津理工大學(xué);2015年

6 林欣;基于改進(jìn)膚色模型的AdaBoost人臉檢測算法研究[D];陜西科技大學(xué);2015年

7 袁浩杰;Adaboost算法的并行化及其在目標(biāo)分類中的應(yīng)用[D];華南理工大學(xué);2015年

8 張恒;基于近紅外圖像的疲勞駕駛檢測研究與系統(tǒng)實現(xiàn)[D];長安大學(xué);2015年

9 朱非易;基于不平衡學(xué)習(xí)的蛋白質(zhì)—維生素綁定位點預(yù)測研究[D];南京理工大學(xué);2015年

10 張元;一種基于AdaBoost的組合分類算法研究[D];四川師范大學(xué);2015年

，

本文編號：2185358