当前位置：问答库＞论文摘要

随着信息时代的到来，信息在人们的日常生活中扮演着越来越重要的角色。为了提供更加智能化的信息服务，建设“智慧城市”的需求也变得日益旺盛。智能监控作为“智慧城市”的主要组成部分，旨在为市民的切身利益提供更加主动、准确和高效的安全保障。在监控视频中，能够主动移动的行人和车辆是研究的重点对象。因此，针对行人的目标检测、目标跟踪、动作分析等成为近年来的研究热点。本文结合自主视频监控网络的应用场景，主要对行人检测技术展开研究。在自主视频监控网络中，计算机自动监控视频场景，一旦发现异常立刻发出警报。因此，自主视频监控网络不仅要求行人检测技术具有良好的检测性能，而且要能够实时处理监控视频。兼顾检测性能和效率是行人检测技术的难点问题，也是本文的主要研究内容。本文研究基于Haar特征和HOG特征的两种行人检测算法。基于Haar特征的行人检测算法采用Haar特征、积分图像以及级联分类器实现。该算法通过检测形状基本稳定的行人头部实现行人对象的检测。经过测试，算法的检测效率很高，能达到实时性的要求。然而，算法的检测性能表现不佳，无法满足实际应用的需求。基于HOG特征的行人检测算法采用近年来在行人检测领域表现优异的HOG特征，并在Dalal和Triggs提出的算法上做出改进。一方面引入了多尺寸、多长宽比的HOG特征块，增加了特征块的数量，同时提高了特征块的质量；另一方面，利用梯度方向积分图像、级联分类器等技术提高算法的检测效率。测试结果显示，改进后算法的效率得到显著提高，基本能达到实时性的要求。同时，算法的检测性能比较理想，在测试集上达到了接近90%的检测率。相比基于Haar特征的算法，基于HOG特征的算法在性能上有了明显改善，对实际的智能监控系统具有一定的价值。最后，本文探讨了自主视频监控网络。自主视频监控网络是智能监控的一种具体形式，它建立在行人检测技术的基础上，并利用视频结构化技术表示场景中的行人等对象，以实现监控信息在视频监控网络中的共享和传输。