4545字开题报告基于运动检测的安全系统的研究与设计

基于运动检测的安全系统的研究与设计

开幕报告

内容

一、选题背景

二.研究的目的和意义

第三，本研究涉及的主要理论

第四，本文的主要内容和研究框架

(一)本研究的主要内容

(2)本文的研究框架

五、写作大纲

六、本文的研究进展

七、读过的文学作品

一、选题背景

自诞生以来，视频安全经历了两次革命性的发展，[1]。第一个发展是从20世纪70年代基于模拟信号传输的视频监控到20世纪90年代的数字视频监控，[2]。这项创新将信号从模拟转换成数字。数字信号通过编码和压缩存储在PC机中，有效解决了存储介质和存储周期的限制。第二项创新始于2005年。随着网络技术和资源的发展和成熟以及云计算等技术的出现，网络视频监控技术的应用越来越广泛，[3]。目前，网络视频监控已经成为国内安防行业的标准。早期的视频监控系统基于模拟信号传输、矩阵主机切换和PC机多媒体管理。这是第一代视频监控系统，其主要标志是通过模拟信号传输视频信息。随着微处理器功能的提高和价格的降低，第一代视频监控系统的组成更加灵活多样。其技术的接口标准也更加规范，形成了更加友好的人机界面。但是，由于视频信号仍然是模拟信号，[4]有如下许多限制:1)模拟信号传输距离有限，带宽大，只适合于小面积的监控；2)系统结构单一，扩展能力低；3)各部分独立运行，不能相互连接；4)硬件成本高，操作复杂，人机交互差；第一代监控系统的发展瓶颈受到模拟信号短缺的限制，而第二代视频监控系统使用数字信号作为视频流的传输信号。视频图像是完全数字化的数字压缩技术，如MPEG，H.263等。数字监控系统取代了第一代视频监控系统的视频监控模式[5]，即以摄像头和矩阵分频器为核心的模拟视频监控模式。

该数字化视频监控系统能够对数字信号进行多种计算机图像处理、多种信息融合、系统扩展性大大增强等优点，具有以下特点:1)数字视频信息存储量少空，数据检索方便，稳定性较高；2)数字信号抗干扰能力强，长距离传输信号的衰减影响小；3)系统扩展性强，能够共享和集成多模块信息；在近年来互联网技术飞速发展的帮助下，各行各业都经历了颠覆性的发展和变革。第三代视频监控系统[5]在视频监控领域也受到欢迎。该系统利用互联网、云计算、大数据等技术形成一个更强大的监控系统。网络服务器嵌入在监控视频中，摄像机可以远程访问。整个系统的特点如下:1)简单。只要通过以太网接入网络，现有的局域网基础设施就可以用于监控系统的布局；2)全面远程监控，监控不再受距离限制。可以随意访问系统中任何地理位置的监控信息；3)更多扩展。接入互联网后，更多的信息处理、集成、扩展等技术，如云计算和大数据，可以用来形成更强大、更复杂的监控网络系统。4)性能稳定可靠，系统维护方便；随着视频监控系统向第三代的发展，它具有更广泛的应用、更低的成本和更简单的解决方案。因此，它受到了各行各业的关注，如军事基地、机场、军械库、银行等安全等级较高的地方，车站、商场等交通流量较高的地方，以及智能交通的应用，如[7号高速公路和十字路口。然而，仅仅提高视频监控的视频质量(高清晰度，夜间清晰)仅仅是信息获取。监控的防御要求仍然是基于判断，这导致了以下不足:1)监控人员的长期工作容易造成视觉疲劳和损伤，不仅影响健康，而且容易错过重要信息。研究证明，人类的注意力只能持续20分钟，超过20分钟后，人类的注意力只能集中在10%的信息上[6]。因此，现有的监控系统仍然很难满足实时防御的要求。2)视频监控不是主动防御的。作为监控系统的主要工具，摄像机不仅充当捕获视频信息的工具，而且充当指示场景正在被监控的威慑工具。但是，上述两种功能都不能在灾害发生前采取有效措施防止灾害的发生，不能作为主动防御的方法，也不能达到“实时监测和即时反映”的目的。3)信息提取能力不高。当灾难发生时，寻找证据的成本也是很大的一部分。长期在大量视频信息中寻找有效信息的关键帧也需要长时间的高度集中。在安防系统中，视频监控具有恶劣环境监控、全天候工作、远程监控、联动监控等功能。，但事实上，主动防御功能仍然有很多技术空白色。一些研究表明，在大多数犯罪和破坏性行为发生之前，有某种行动的预兆，而且犯罪的时间分布也有非常明显的规律[7]。因此，视频安全系统应该具有这种决策功能，以帮助人们做出判断。因此，视频监控的“智能化”是必然趋势。

二.研究的目的和意义

随着计算机技术的快速发展和硬件成本的降低，越来越多的智能设备已经进入人们生活的各个方面[8]。视频监控领域也迎来了一波情报浪潮。传统的视频监控系统需要大量的人力资源进行人工分析和判断。长期工作会损害员工的视力，并容易导致因疲劳而遗漏重要信息[9】。因此，人们开始将机器视觉技术引入监控和安全领域，使监控更加自动化和智能化。也就是说，无需人工操作和判断，可以通过分析视频来检测和识别运动目标，并且可以通过定制不同的方案来执行进一步的分析和操作。视频监控广泛应用于银行、交通、停车场、办公楼等场合的安全系统[10]，但大多数监控系统仍然需要人工观察和判断。在紧急情况下，视频功能通常用于重放和检查。它不能承担积极监督的作用。对于安全系统来说，安全防御功能是最核心的内容，而视频监控只能起到监控的作用，不能起到主动防御的作用。然而，智能视频安全系统可以在整个时间段内进行实时智能监控，并对采集的图像序列进行智能分析。例如，在银行、商场等场所，可以智能分析视频中是否有移动目标，并及时提醒人员。在交通流量大的地方，如车站或机场，是否有可疑的物体留下可以监测和判断。这些功能是传统视频监控无法实现的。视频安全通过移动目标监控可以有效地实现危险发生前的主动防御，并且可以节省大量的人力、物力和财力。2013年波士顿马拉松爆炸案的检测利用了智能视频分析技术[11]。爆炸发生后，警方呼吁公众提供任何与爆炸相关的图像或视频信息，并使用智能视频分析技术对公众提供的视频信息以及社交网络上的视频片段数量进行分析和调查。在很短的时间内，与此案有关的线索和证据得到了证实。智能监控[12]是一个通用框架，它包括许多不同的计算机视觉任务，例如从图像序列中检测、跟踪、分类感兴趣的对象，然后理解和描述这些对象的行为。设计智能视觉监控系统的最终目标是取代现有的被动监控，消除或至少最小化对人们监控和分析的视觉数据的需求。作为一个整体系统，智能视频安全系统[13]包括许多图像处理和模式识别技术，包括图像增强、图像视频降噪、运动目标检测、形态学处理、轮廓标记等。智能视频安全系统的设计目标是解决传统视频监控不能“防患于未然”的缺陷。使安全系统更加智能、安全和可靠。

第三，本研究涉及的主要理论

2006年，IBM宣布开发了一款名为“智能监控系统”(Intelligent Monitoring System)的视频安全软件，用于实时监控和分析视频系统数据。该系统利用网络技术将设置在各监控场景中的网络摄像头通过网络传输到安全系统进行实时监控，能够及时发现监控场景下的潜在危险信息。英国雷丁大学的VIEWS项目团队研究了[安全系统中的风险识别技术。项目团队研究了车辆和行人的跟踪、交互和识别技术。该技术应用于安全系统的预警功能，如机场和地铁站恐怖活动的识别和报警。英国雷丁大学的VIEWS项目团队研究了安全系统中的危险识别技术。项目团队研究了车辆和行人跟踪、交互和识别技术。该技术应用于安全系统的早期预警功能，如识别和报警机场和地铁站的恐怖活动。国内智能安防系统行业起步较晚，但由于近年来公众对公共场所安全意识的提高，国内智能安防行业发展迅速。在智能安全系统研究领域，中国科学院自动化研究所在国家支持的973和863百人计划等重大课题下，开发了更先进的智能安全技术。公安部提出了3111工程，以建设更安全的城市管理和更智能的交通管理。国内领先的安防厂商，如和康微视、大华等，在安防监控产品和技术方面取得了良好的成绩。和康微视在全球安全监控行业十大品牌中排名第四。前三名是美国的霍尼韦尔、德国的博世和法国的赛丰。目前，海康威与德州仪器(德州仪器)开展了深入合作。随着钛在数字信号处理器和视频解码器领域的技术和完整的视频安全解决方案，海洋监测产品将更加全面和成熟。2014年12月，国内手机制造商小米公司推出了一款名为“萧艺”的轻型智能相机，这是一款家庭安全系统。摄像机可以检测到其拍摄范围内的目标运动。当场景中有大范围的移动时，摄像机将压缩视频信息，并将其推到用户的移动电话上观看。此外，用户可以随时使用手机进行实时查看。作为一款轻量级监控产品，该产品属于智能家居范畴，应用于家庭安全防护。例如，照相机对准家中的门窗。长时间外出时，产品可以得到充分保护。门窗出现异常情况(如门把手扭曲、门窗打开、侵入等)。)，报警信息可以立即通过网络传输到车主的手机，及时获取信息并做出下一步决定。总而言之，视频监控仍然有非常广阔的市场，尤其是在互联网技术已经彻底改变了各种行业的时代。与更高的清晰度和更长的耐力相比，更多的智力可以满足人们的实际需求。另一方面，使视频监控智能化的基础是计算机视觉、图像处理和模式识别技术的集成，其中运动检测技术是最关键的环节。

光流[20]是在空之间的观察成像表面上运动物体的像素运动的瞬时速度。光流的研究是利用图像序列中像素强度数据的时间变化和相关性来确定每个像素位置的运动，即研究图像灰度的时间变化与场景中物体的结构和运动之间的关系。二维图像平面特定坐标点上灰度的瞬时变化率被定义为光流矢量。如果图像中没有运动对象，则图像区域中运动矢量的变化是连续的。当场景中出现运动物体时，会有与整个背景的相对运动，换句话说，运动物体的运动矢量不同于周围背景的运动矢量，因此可以确定运动物体的位置。光流法的优点是可以在摄像机运动时检测到运动目标，并能准确获得运动目标的速度。该算法的缺点是计算量大，不能用于实时目标监控。此外，如果检测环境中的噪声会严重影响算法的性能。

第四，本文的主要内容和研究框架

(一)本研究的主要内容

本文主要研究视频安全系统中的运动目标检测和视频去噪技术，实现了一个基于运动检测的视频安全系统。本文主要分为六章。第一章是绪论，主要介绍了视频安全的研究背景和意义，以及国内外该课题的研究成果和现状。第二章是视频安全系统的需求分析。第三章是视频降噪模块的研究与设计。本文主要研究双边滤波算法的优缺点，并通过大量实验和研究对其进行自适应改进。第四章研究了运动目标检测算法，根据需要实现了基于平均背景模型的运动检测和基于高斯混合模型的运动检测。通过两个测试序列对这两种算法进行了分析和比较，并根据实际监控环境提出了一种新的建模方法。第五章是系统总体设计和软件设计。第六章总结了本文的研究工作，分析了本文实现的视频安全系统的不足，并对系统的改进进行了展望。

(2)本文的研究框架

本文的研究框架可以简单表达如下:

五、写作大纲

概要5-6

摘要6

第一章导言9-15

1.1研究背景和意义9-11

1.2国内外研究现状11-14

1.3论文的主要研究内容14-15

第二章智能视频安全系统的要求和设计15-20

2.1智能安全系统的要求15-16

2.2智能安全系统的设计16-18

2.3系统性能评估18-19

2.4本章概述19-20

第三章视频降噪模块的研究与设计20-31

3.1现有降噪算法的分析20-23

3.2改进的双边滤波算法23-28

3.3实验结果的分析和比较28-30

3.4本章概述30-31

第四章运动检测模块的研究与设计31-46

4.1现有运动检测算法的分析和比较31-36

4.2平均背景模型研究36-37

4.3高斯模型分析与研究37-41

4.4系统运动目标检测算法的选择41-45

4.5本章概述45-46

第五章视频安全系统的设计46-56

5.1开发平台的选择46-47

5.2系统功能概述47-49

5.3智能监控系统的结构描述49-54

5.4实验结果54-55

5.5本章总结55-56

第六章总结与展望56-57

6.1研究工作总结56

6.2缺陷和前景56-57

参考文献57-60

六、本文的研究进展(略)

七、读过的主要文献

刘志红罗云志。视频监控技术发展概述[。军事自动化，2009，(1):1-3。

刘付强，卢赤班。数字视频监控系统及其应用[。采矿自动化，2003 (3): 31-33。

[3]维扎尼，库恰拉。视频监控在线知识库:一个集成框架[。多媒体工具和应用，2010，50(2): 359-380。

[4]何瑶。高清视频监控的多种传输模式[。中国公安:学术版，2014，(14)。

郝夏荣、徐旭东、陈文博。基于网络摄像头的第三代视频监控系统研究[。信息技术，2005，(9): 120-122。

[6]陈梦泽。人类视觉注意的发展与分析[。吉林教育学院学报，2012，(12):139-140。

[7]卢娟、唐国安、姜启平等。基于卡方检验的犯罪时间分布特征分析[[]。警察技术，2012，(4)。

石颜回，李树森，左夏雯，等。智能设备发展现状及前景分析[。电气开关，2010，48 (4)。土改:10.3969/j . ISsn . 1004-289 x . 2010 . 04 . 004

[9]全智长、廖海玲、杨其平。屏幕操作者视疲劳的研究[。眼外伤引起的职业性眼病杂志:附属眼科手术，1990。

[10]李普顿，金德，藤吉，等.一个视频监控系统[。匹兹堡:卡内基梅隆大学机器人研究所，2000年。

[11]张林琴，林慧清。波士顿马拉松爆炸案处置经验，[。轻武器，2013年，(24)。

太阳董卿。综合智能监控系统概述[。电视技术，2012，(8)。

[13]蔡叶飞。智能安全:给城市一个智能“大脑”[。中国公安:学术版，2012，(1)。

[14]科林斯，神奈德，杜金斯，长谷川等人。视频监控系统:Vsam最终报告[。卡耐基梅隆大学机器人研究所CMU-里-特-00-12技术报告，2000年。

[15]哈里陶格鲁一世，哈伍德，W4:对人及其活动的实时监视[。模式分析和机器智能的IEEE事务，2000。

[16]雷恩，阿扎尔巴耶贾尼，达雷尔，等。普芬德:人体的实时跟踪[。模式分析和机器智能，IEEE事务，1997，19(7):780-785。

[17]博比克·A F，因泰尔·S，戴维斯·J·W，等人，《儿童工作室:基于感知的互动和沉浸式故事环境》，[·J]。存在:遥操作者和虚拟环境，1999，8(4): 369-393。

[18]舒建福，哈姆帕普尔，鲁明，等. Ibm智能监控系统(s3):基于事件的监控的开放和可扩展框架[.高级视频和信号基础监控，2005。AVSS 2005。IEEE会议。IEEE，2005: 318-323。

[[19]雷玛尼诺·P，谭泰，贝克·k .动态场景的多智能体视觉监视[.图像和视觉计算，1998，16(8): 529-532。

[20]博彻明，巴伦·J·l .美国计算机学会计算调查(CSUR)，1995，27(3): 433-466。

陈凤东，洪融冰。基于动态阈值背景差分算法的目标检测方法[[]。哈尔滨工业大学学报，2005，37(7): 883-884。

[22]斯陶弗，格林森，w .实时跟踪的自适应背景混合模型[。《美国电气与电子工程师学会计算机视觉与模式识别会议录》，科罗拉多州科林斯堡，USAE出版社，1999年:246-252页。

[23]卢。《模式分析和机器智能的IEEE交易》，2005，27(5):827-832。

[[24]英国石油公司背景减法技术的分析，使用高斯混合模型[.IEEE声学语音和信号处理国际会议，美国达拉斯，2010: 4042-4045。

齐于娟、王姜妍、李永萍。基于记忆的高斯混合背景建模[。自动化学报ISTIC EIPku，2010，36 (11)。DOI:10.3724/sp . j . 1004 . 2010 . 01520

[26]杨丽娟，刘焦敏，王周振，等.运动测试杂志，2006，(1): 89-92 .

[27]文学早晨图像分析。，Eds。(2008)[书评][。医学与生物学杂志，2010，(1):106-107。

邱道银，张文静，博古，等。帧差法在运动目标实时跟踪中的应用[。华北水利水电学院学报，2009 (3): 45-46。

贾运德。机器视觉[。科学出版社，2000。

[30]巴博德，威特金，鲍丁，等.尺度空间滤波高斯核的唯一性[.模式分析和机器智能。

[31]托马斯·C，曼杜奇.灰度和彩色图像的双边滤波[·C]//计算机视觉，1998 .第六届国际会议。IEEE，1998: 839-846。

[32]巴黎S，科恩罗布斯特P，汤布林J，等.双边滤波及其应用的温和介绍[C]//ACM SIGGRAPH 2007课程.ACM，2007: 1。