论文部分内容阅读
随着互联网的普及，远程教育作为一种有效而经济的学习方式，得到越来越多的认同。而制约远程教育发展的一个关键因素之一是课程视频资源的缺乏，其原因是较为繁琐的教学现场视频的摄制过程。因此，使摄制设备自动化、智能化，具有现实意义。通过对智能视频分析技术进行研究和分析，本文设计和提出了一系列用于远程教学系统的智能视频分析算法，通过现场拍摄序列进行实验，得到较好的实验结果。
在远程教学视频中的目标检测、目标跟踪和行为识别是智能视频分析中的关键技术，本文围绕这三个方面展开研究。
在目标检测方面，通过对光流法、帧差法和背景减除法等常用算法的研究分析后，提出了一种改进的帧差法目标检测算法，并设计了经形态学处理、面积特征判断从而得到检测并提取目标的算法。通过对基于特征及基于统计的人脸检测算法的研究分析后，实现了基于YCbCr空间的肤色检测方法，在OpenCV平台的基础上实现了基于Adaboost的人脸检测算法。
在目标跟踪方面，通过对视频中目标的运动特点的分析，设计了基于运动目标检测及人脸检测结果的目标外接矩形跟踪方法。为了提高跟踪的可靠性，对卡尔曼滤波器进行了研究，并把其加入到跟踪方法里。为了改进跟踪的准确度，还对摄像头转动及拉伸时的情况进行了分析，提出了一种摄像头动作时的跟踪结果修正方法。
在行为识别方面，对课堂讲解中教师典型行为识别的一般方法进行了研究，对教师“写黑板”这一行为的特点进行了分析，设计了一种识别写黑板行为的算法。
最后，整合了上述的目标检测、跟踪及行为识别等算法，提出系统的智能视频分析方法，对摄像头运动进行决策，在已搭建好的PC平台及DSP平台上实现该系统算法，验证了其可用性。