关于ATM机隔间内尾随检测算法的研究

作     者：朱志磊 

作者单位：浙江工业大学 

学位级别：硕士

导师姓名：潘今一

授予年度：2015年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：尾随检测 阈值图像 局部梯度模式 二值化方向梯度直方图 特征置信度 

摘      要：ATM机隔间内尾随检测是智能视频监控系统的一个具体应用,它是一种能够将事后分析变成事前预警和事中报警的模式,具有实际的研究意义和应用价值。本文综述了尾随检测相关技术的研究现状,分析了影响尾随检测准确性的几个难点,设计了一种对ATM机隔间内尾随事件进行检测的算法,通过测试验证了算法的可行性和准确性。主要完成的研究内容如下:1.使用差值平均的方法提取阈值图像,改进了Surendra背景更新算法中使用的固定阈值。根据对图像求平均能在一定程度上减少噪声的原理,计算动态阈值。对视频序列中一段时间内的所有帧图像采用相邻帧差法求差分图像,然后再利用本文指出的求差分均值图像的表达式对所有差分图像求平均,最后得到的平均图像就是阈值图像。2.利用局部梯度模式特征和二值化方向梯度直方图特征,实现对人的头肩部位进行检测。本文使用两种新的局部变换特征对人的头肩部位进行检测。其中一种为局部梯度模式,它不是直接利用邻域内像素的灰度值信息,而是利用梯度信息,这样更能对纹理信息进行描述。另外一种是二值化方向梯度直方图,而每个块(block)对应的二值化方向梯度直方图特征值都是一个8位的二进制数,这样特征的维数降低许多,利于算法进行实时处理。3.采用特征置信度的方法对训练后的两种特征分类器进行评价选择,实现最终根据哪个特征分类器对目标进行识别。本文利用支持向量机对样本的局部梯度模式特征和二值化方向梯度直方图特征分别进行学习训练,得出两个特征分类器,最后提出使用特征置信度的方法来决定使用哪个特征分类器进行目标的最终识别。经过测试验证,本文的方法切实可行。