毕业论文课题相关文献综述
一、研究的目的和意义 智能视频监控技术包括：运动目标的检测、分类、跟踪和行为理解等方面，涉及到机器视觉、模式识别、图像处理和人工智能领域的许多核心课题，是一个具有挑战性的困难课题，获得了全世界广大研究人员日益广泛的研究。随着视频分析技术、多媒体数据库、人工智能技术的发展，智能化视频监控逐步走进了安防应用市场，智能化技术能够及时、自动地从原始视频信息中提取大量有用信息，用来完成视频的传输保存和检索，也可以驱动其他数据、触发其他行为，轻而易举地完成人力很难完成的任务。 目前传统的视频监控系统已经不能够满足快速发展的人类社会的需要，这就需要更加有效、更加智能的视频监控技术来满足人们的需求。在视频监控里所说的智能视频技术一般是指:自动的分析和抽取视频源中的关键信息。我们可以把摄像机比作是人的眼睛，而智能视频的系统和设备就好比是人用来思考的大脑。智能的视频技术就是运用强大的计算机数据的处理功能，高速的分析视频画面里的大量的数据，将那些对用户没用的信息过滤掉，只留下一些关键的信息。 在智能视频监控中行人是主要的关注对象。因此研究一个鲁棒的行人检测和跟踪算法具有重要意义。 智能监控具有以下优势： 1.全天候的可靠监控 不再是以往的全部由安全工作人员时刻的注视着监控画面的监视模式以及主观分析和判断的模式，而且通过嵌入在前端设备里的智能视频的模块对正在监控当中的画面不停的进行分析，从而实现对异常事件以及疑似威胁的主动式的报警、编码以及保存最终克服了现在的被动式的编码、保存以及人工发现后的报警和事后查询的不足。 2.提高响应速度 在进行可疑活动的识别时，在安全威胁发生之前就能够提示监控值班人员关注相关监控画面以提前做好准备。比如在公共的场所有人放置了可疑的物体，或是在敏感的区域有人停留的时间过长，都可以很快的将其识别。还能够让用户更加准确地去定义在特定的安全威胁出现的时候应该采取的行动，可以更快的做出对策。因为监控系统的自身所确保的危机处理步骤可以根据设定好的程序精确的执行，所以更加有效的防止在混乱之中由人为的因素所发生的延误现象。 3.提高报警精确度 前端设备包括:数字摄像机以及视频服务器，他们具有很强的图像处理的能力，还能够运行一些比较高智能的算法，让用户能够很准确的发现安全威胁的特征，更加有效的捕捉异常、报警事件或者及时的发现威胁，减少误报以及漏报的现象，也可以在一定程度上节省因无用的视频数据造成的传输以及存储。 4.有效的扩展视频资源的用途 智能视频监控系统也可以被应用到非安全的领域，例如可以利用商场大堂的智能监控系统对VIP用户的特征进行自动的识别，让相关的客服人员能够尽早的做好服务工作。如果发现在人群里有人遇到困难是能够及时的传达到附近的商场工作人员那以提供帮助。此外，智能视频系统还可以运用在停车场系统当中，可以通过识别停车场用户的车牌号来进行开闸关闸的操作，大大的减小的由于为操作而造成的时间的延误。二、 本课题的研究现状及发展趋势 监控系统的技术水平已经从初期的模拟信息传输与控制飞速发展到了数字化、网络化信息传输与控制。纵观其发展历程，大致经过了三个发展阶段：模拟监视系统，数字监控系统，网络化多媒体监控系统。 随着宽带网络的普及，微处理器技术的快速发展，以及各种实用视频处理技术的出现，视频监控逐渐从本地监控向远程监控发展，出现了以网络视频服务器为代表的远程网络视频监控系统。网络视频服务器解决了视频流在网络上的传输问题，从图像采集开始进行数字化处理、传输，这样使得传输线路的选择更加多样性，只要有网络的地方，就提供了图像传输的可能。 随着近年来平安城市、平安校园等安防项目在全国范围的开展和深入，机场、地铁以及景区等用户对于视频监控覆盖范围、监控点数以及网络传输I/O等要求的不断提升，网络监控正成为中国视频监控市场炙手可热的拉动因素。网络监控设备厂商的视频监控整体解决方案，正受到越来越多用户的了解和认可，整个系统趋向平台化、智能化。 很多互联网企业已开始涉足此类视频监控系统的开发。在国内大型的视频监控项目中，更是出现了视频监控系统中，除后端显示设备之外，全部设备IP化的发展趋势。根据IDC的研究，从全球范围的发展趋势来看，整体视频监控市场中网络摄像机（IPCamera）以及网络视频存储(NVR)等IP存储的出货量开始超过传统摄像机和硬盘录像机，成为市场增长的主推力。 目前最新的发展阶段是智能网络视频监控分析，发展趋势有： （1）视频监控分析技术正向着数字化、网络化、智能化的方向发展：网络化、智能化的基础是数字化，而智能化是三化的最高境界。系统由目视解释转变为自动解释是视频监控分析技术的飞跃，是实际工程应用发展的必然趋势。 （2）微电子技术和计算机技术促进智能视频监控分析技术的进步：由于微电子技术和计算机技术的迅猛发展，智能视频监控分析系统及设备的硬件成本增加不多，主要是软件成本的增加。而每个系统软件成本随着推广数量的增长会迅速下降，智能视频监控分析系统的性价比将凸现。 （3）互联网和宽带网络技术为视频监控分析业务的发展提供了强有力的支持：网络技术的日益发展，使得现有的宽带网络能够满足用户多方面的需求，在传统的以文字和图片为主的内容服务上，能够提供具有视频和音频的多媒体内容服务。为视频监控分析业务的发展提供了强有力的平台支持。 行人检测跟踪方法大致可分为立体视觉的方法、轮廓检测的方法、模板匹配 的方法、人体模型的方法、步态识别的方法、小波分析以及神经网络的方法，更 多的是将两种或多种方法相结合，然而在视频监控系统应用中只有一些系统证明 是成功的。识别分类阶段要从其它目标中区分出行人，主要通过行人特定的特征 匹配方法，或者通过神经网络、支持向量机、多层感知器等方法来判断感兴趣区 域中是否包含行人。 立体视觉方法是目前行人检测较常用的方法，一般结合其他方法综合使用， 能较好的解决遮挡问题。模版匹配方法是行人检测系统中常用的方法，并有不错的应用效果。还有很多系统对人体进行建模，利用行人模型对运动进行检测和识别。 智能化监控是未来监控的一个重要的发展方向，也是建立大规模监控系统的技术基础。随着平安城市的建设大规模的网络监控系统对智能化的应用和发展提出了迫切需求，同时，这也将对智能化技术和产品的发展起了极大的促进作用。智能化监控将为未来安防提供了一个高效、实时的一个智能工作平台，将成为保障社会平安最有力的防护体系。参考文献：[1].夏良正，数字图像处理（第二版），南京：东南大学出版社，2004.[2].侯志强,韩崇昭.视觉跟踪技术综述[J].自动化学报,2006,32(4):603-617.[3].何恒攀.基于序列图像的行人流量检测技术研究[D]. 重庆大学,2009[4].顾德军.基于视频图像处理的人数自动统计技术研究[D].南京航空航天大学,2010[5].邹依峰.智能视频监控中的行人检测与跟踪方法研究[D].中国科学技术大学,2011[6].乐应英. 智能视频监控系统中目标检测与跟踪关键技术研究[D].云南大学,2010[7].刘少华,张茂军,熊志辉等.一种鲁棒高效的视频运动目标检测与跟踪算法[J].自动化学报,2009,35(8):1055-1061[8]. 阎刚,崔国栋,于明. 基于高斯混合模型的背景建模球员检测算法[J]. 计算机仿真,2010,27(9):258-262[9]. 陈明生,梁光明,孙即祥等.利用时空背景模型的快速运动目标检测方法[J].中国图象图形学报,2011,16(6):1002-1007[10].乔彩风宋世军何忠.数字视频监控系统的智能化实现[J].计算机与现代化2007﹙12﹚:46-48. [11].王素玉沈兰荪.智能视觉监控技术研究进展[J].中国图像图形学报2007，9﹙12﹚:1506-1510.(上旬刊),2011,(6):225. [12]黄会雄.一种智能视频监控体系结构设计方案[J],微计算机信息,2007,23(6)：115-117.[13]陈磊,邹北驥.基于动态阈值对称差分和背景差法的运动对象检测算法[J],计算机应用研究,2008,25(2),488-494.[14]蒋先刚.数字图像模式识别工程软件设计[M].北京:中国水利水电出版社,2008，19-55.[15]李德禄.异常运动目标的智能视频监控技术研究[D].广州:华南理工大学,2008,22-27.[16]Robertson N,Reid I.A general method for human activity recognition in video.Computer Vision and Image Understanding,104:232-248,2006.[17]Yiping Tang , Baoqing Ma , Hangchen Yan.Intelligent Video Surveillance System for Elderly People Living Alone Based on ODVS.[J].Advances in Internet of Things, 2013, Vol.03 (02), pp.44-52[18]Huan Ruo Hong , Tang Xiao Mei.Abnormal Motion Detection for Intelligent Video Surveillance.[J].Applied Mechanics and Materials, 2011, Vol.1287 (58), pp.2290-2295[19]Ryu-Hyeok Gwon , Kyoung-Yeon Kim.A Kidnapping Detection Scheme Using Frame-Based Classification for Intelligent Video Surveillance.[J].2013, Vol.8170, pp.345-354Springer
