论文部分内容阅读
目前，视频监控在各大领域已被广泛应用，包括道路交通、火车站、广场等公共区域，以及社区、校园、办公室等部分开放的区域。这些监控任务主要由值守人员依靠肉眼完成，然而，随着监控范围的不断扩大，长时间连续观察的安保人员因疲劳等因素引起的误报漏报经常发生。为了及时有效地检测出视频监控区域内的异常事件，避免和减少各种突发事件造成的损失，需要对人群行为进行研究。现有的人群异常事件数据分析显示，事件的发生往往是一个连续变化的过程，在这个过程中人群的跑动使得事件的焦点位置不断变化，常常出现在相邻多个摄像头的监控区域中。然而，现有的智能视频分析技术多适用于单摄像头，相邻摄像头之间也不一定存在共同监控区域，这对异常事件的持续跟踪和关注带来较大困难。因此，无连通区域的多摄像机网络标定是有效的人群行为分析的前提。此外，随着图像处理技术的深入研究，基于视觉的人群行为分析算法的样本需求量也逐渐变大，在真实场景中大量采样的成本变高，特别是对于人群行为分析而言，想要获得特定场景特定内容的视频图像，往往需要人为参与拍摄以制造出预期的效果。 为了解决样本需求量大的问题，并进一步分析场景中的人群行为，本论文模拟真实场景建立虚拟静态背景和动态人群行为模型，在相同的监控网络下，通过比较虚拟场景和真实场景中人群行为分析结果的相似性，验证模型的可靠性。为了在虚拟场景中搭建与真实场景一致的多摄像机监控网络，需要解决真实场景中无连通区域的相机标定问题。针对以上两个问题，本文的主要贡献如下: (1)机器人辅助的多摄像机协同标定技术。目前多摄像机系统的标定大多基于有连通区域的摄像机监控网络而言，其利用公共监控区域的物体特征计算摄像机间的相对位置。在本论文的研究中，主要针对无连通区域的多摄像机网络，并在标定过程中引入了移动机器人应用。负载标定板的移动机器人在不同相机视野下来回移动，以机器人初始时刻的标定板坐标系为世界坐标系，标定板在世界坐标系下位置可通过机器人的定位系统获得，标定板在图像和相机坐标系下的位置可通过固定相机拍摄的图片信息获得。结合标定板上特征角点坐标在图像、相机以及世界坐标系之间的转换关系，可计算得到摄像机间的相对位置，完成无重叠区域的机器人辅助的多摄像机协同标定。 (2)适用于人群行为分析的三维场景建模技术。考虑到人群异常事件检测算法研究需要大量的样本，但现实生活中很难获取，而人为拍摄的成本较高，本论文采用虚拟建模技术模拟真实场景中人群异常事件的发生，同时建立数据库。首先，通过收集背景几何信息与外观图像在3ds Max建模软件中建立相应立体图形，完成人群所在的静态背景模型的建立。然后，根据已标定的摄像机监控系统在背景模型中搭建摄像机网络，在固定摄像机视野下虚拟出与真实场景中相似的人群运动。最后，通过对虚拟人群和真实拍摄的人群进行简单的视觉算法分析，如行人检测和光流提取，比较处理结果的相似性，验证模型的可靠性。实验结果表明，在虚拟场景中的虚拟人群可以有效地为人群异常事件检测研究提供可靠的数据样本。