论文部分内容阅读
随着监控视频网络的普及与覆盖，产生了大量的视频数据，为了减缓存储空间的压力和提升视频检索的效率，监控视频浓缩技术应运而生。本文根据视频浓缩技术中的关键问题展开研究和算法实现，并完成了一套完整的监控视频浓缩算法。论文主要研究以下四个方面的内容: 研究基于背景建模的目标检测方法，提出了一种基于在线Mean Shift更新的背景生成和前景目标检测算法。 针对目标跟踪的问题，提取基于颜色或梯度方向的直方图的跟踪特征，分别研究基于贝叶斯滤波和基于在线学习的目标跟踪。 针对多目标的跟踪问题，主要研究了跟踪的起始和终止判断方法，及跟踪过程中的数据关联问题，采用基于二分图的全局关联算法，利用匈牙利算法进行多目标关联跟踪。 研究基于目标轨迹重组的视频浓缩算法，介绍轨迹组合的能量表达，基于贪心算法进行改进能量的最小化求解，并在此基础上，结合多目标轨迹的分析过程，进一步优化关联跟踪的结果，以得到更好的浓缩视频。 论文针对上述研究问题给出了具体的算法实现和实验分析，实验表明，本文的算法能够完成监控视频的浓缩要求，得到基于目标轨迹重新组合的浓缩视频，并能应用到实际的智能监控视频领域。