多路视频监控与人物跟踪技术研究开题报告

1、天津职业技术师范大学Tianjin University of Technology and Education毕 业 设 计 开 题 报 告多路视频监控与人物跟踪技术研究学 院：自动化与电气工程学院 班 级：测控学生姓名：王晶指导教师：任淑艳 职 称：副教授2014年 12 月 12 日毕业设计开题报告课题题目多路视频监控与人物跟踪技术研究课题来源生产实践是否实做成果形式毕业设计 毕业论文 开题报告内容（可另附页）见附页指导教师意见（课题难度是否适中、工作量是否饱满、进度安排是否合理、工作条件是否具备等）课题难度适中，工作量饱满，进度安排合理，研究条件具备，可以开题。指导教师签名：年 月 日

2、专家组及学院意见（选题是否适宜、各项内容是否达到毕业设计（论文）大纲要求、整改意见等）专家组成员签字：教学院长（签章）：年 月 日 附页一、选题的目的 在计算机视觉和模式识别领域,人脸识别技术的研究起步较早,经过几十年的发展,人们对人脸识别技术的研究已经越来越成熟。目前已经出现了很多商用人脸识别系统,这些系统在较理想的条件下已经得到了人们的认可。然而在实际应用中,由于人脸图像本身和各种外部条件的限制,如特征表达方法的好坏、特征向量的维数大小,人脸识别技术还不能广泛的普及,因此寻找一种简单有效且计算量小的识别方法,才能真正广泛的普及人脸识别的应用。 随着信息技术的飞速发展,视频监控广泛应用于各类

3、场合,比如超市管理系统、智能交通系统、商场百货等各种商业场所。视频监控中人脸识别技术更是在各类安全管理中起到重要作用1。而从视频图像中提取人脸并进行识别的技术广泛应用于视频监控和身份认证等领域2。 所谓的人脸识别就是通过对人脸图像进行特征提取,然后与训练知识库中的特征向量进行比对,从而进行分类识别,最后给出识别结果,也就是待测人脸图像所属的类别。 所谓的人物跟踪就是通过监控摄像机或摄像头进行视频采集后，利用人脸识别检测出视频流中的人脸信息，与库中人脸进行比对匹配，并对其进行跟踪。 本课题所要研究的多路视频监控与人物跟踪技术包括多路视频监控、人脸检测识别及人物跟踪。多路视频监控系统，可进行对视频

4、数据流进行图像处理、目标分析等工作,判断目标的动作,自动检测、跟踪目标并进行相关记录,使计算机代替人进行监控,给予视频监控系统智能性,变被动监控为主动监控3-5。人物跟踪技术是多路视频监控系统的核心技术,其研究涉及到传计算机图像处理、模式识别、人工智能及自动控制等诸多相关领域的知识,已开始得到科研工作者、政府和商家的重视,有着十分高的应用前景和研究价值。多路视频监控系统下的人物跟踪技术对系统的实时稳定运行要求高,如何实现适应各种复杂场景、鲁棒性高、实时性强的人物跟踪技术已经成为目前研究界急需解决的问题6。二、国内外研究的历史和现状（文献综述） 多路视频监控是根据摄像机采集的视频图像,对目标进行

5、检测、跟踪,并对目标的行为进行识别和理解。目前,作为安防领域中最具发展前景的技术之一,视频监控系统得到了广泛的研究与应用,已经成为计算机视觉领域研究的热点。人物跟踪是视频监控系统的核心内容，要实现人物跟踪，首先要进行人脸检测识别。 最早的人脸识别技术的研究可以追溯到20世纪50年代当时的研究人员主要涉及的是社会心理学领域。到了60年代，开始有一些工程文献陆续发表出来。但是真正的自动人脸识别的研究是从20世纪70年代的Kanade7和Kelly8开始的。当时采用的技术基本上都是典型的模式识别技术，例如利用脸部重要特征点之间的距离进行分类识别。随着计算机技术的发展，从80年代到90年代初期，人脸识

6、别技术得到了很大的发展并进入了实际应用领域。在这一阶段，基于人脸外貌的统计识别方法得到了很大的发展，其中Eigenfaces9和Fisherfaces10在大规模的人脸数据库上进行的实验得到了相当不错的结果。同时，基于人脸特征的识别方法也逐渐发展起来。此类方法对光线和视角的变化、人脸的定位都不太敏感，有利于识别率的提高。但是其采用的特征提取方法还不够成熟和可靠。 自90年代后期以来，一些商业性的人脸识别系统逐渐进入市场。近几年来人脸识别作为计算机安全技术在全球范围内迅速发展起来。特别是美国遭受911恐怖袭击以后，人脸识别技术更引起了广泛的关注。在这一阶段，更多的研究集中在基于视频的人脸识别上面

7、。人脸识别技术具有广泛的应用前景,在国家安全、军事安全和公共安全领域、智能门禁、智能视频监控、公安布控、海关身份验证、司机驾照验证等是典型的应用。在民事和经济领域，各类银行卡、金融卡、信用卡、储蓄卡的持卡人的身份验证、社会保险人的身份验证等具有重要的应用价值。在家庭娱乐等领域，人脸识别也具有一些有趣有益的应用，比如能够识别主人身份的智能玩具、家政机器人、具有真实面像的虚拟游戏玩家等。今天，人脸检测的应用背景已经远远超出了人脸识别系统的范畴，在基于内容的检索、数字视频处理、视觉监测等方面有着重要的应用价值。 国内关于人脸自动识别的研究始于二十世纪80年代。主要的研究单位有清华大学、哈尔滨工业大学

8、、中科院计算所、中科院自动化所、复旦大学、北京科技大学等，并都取得了一定的成果。 国内的研究工作主要是集中在三大类方法的研究，基于几何特征的人脸正面自动识别方法、基于代数特征的人脸正面自动识别方法和基于连接机制的人脸正面自动识别方法。 中科院计算所与成都银晨网讯与2000年5月联合创立了国内首家专门从事面像识别核心技术研究与开发的实验室。主要研究领域涉及计算机视觉、模式识别、机器学习等,尤其关注于人脸识别以及多模式人机交互技术。他们关注的核心技术主要包括实时精确的人脸检测与跟踪、速精确的面部特征定位、准确快速的人脸识别/确认方法等。尤其关注复杂环境下（光照、姿态、表情、老化等）人脸识别问题。三

9、、研究主要内容及实施流程(一)研究的主要内容 本课题的主要研究内容是多路视频监控系统中的人脸检测和人脸跟踪。多路视频监控是根据摄像机采集的视频图像,对人脸进行检测识别并跟踪。 人脸是一类具有相当复杂的细节变化的自然结构目标，由于外貌、表情、肤色等不同，具有模式的可变性而难以用统一的模式加以描述。视频序场景中存在的背景复杂、人脸运动的非刚性、目标遮挡等问题，这对检测和跟踪带来的很大的难度。在实际应用中，人脸检测所面临的主要难点可以归结为11(1)数学模型不能精确描述人脸；(2)人脸受到光照、阴影、距离的影响；（3）特定的复杂背景对检测率有很大影响；(4)人脸在运动中的非刚性、角度、偏转、遮挡等使

10、人脸特征缺失。 而在人脸检测识别中最重要的环节是图像预处理，它主要从摄像头中获取人脸图像然后进行处理，以便提高定位和识别的准确率。该模块主要包含光线补偿、图像灰度化、高斯平滑、均衡直方图、图像对比度增强。图像预处理模块在整个系统中起着极其关键的作用，图像处理的好坏直接影响着后面的定位和识别工作。 人脸跟踪是视频监控系统的核心内容,然而,由于行人运动的多变、光照强度的变化和行人之间的相互遮挡等复杂情况的影响,跟踪器往往存在跟踪精度不高、目标丢失和身份切换等问题。新的人脸跟踪算法不断被提出使得人脸跟踪技术得到一定的发展，但是由于运动场景的复杂性，人脸跟踪算法要实现在不同的环境行下对多个目标人脸实现

11、实时准确跟踪还是比较困难的。一般来说，人脸跟踪算法主要实现的目标为12：(1)鲁棒性、在实际应用中适应各种强干扰(光线的强度变化、目标自遮挡、目标间遮挡、背景遮挡等)，能够持续准确的定位目标人脸，实现跟踪。(2)准确性、对目标人脸状态改变时(偏转、运动、附属物等)，精确分割跟踪。(3)实时性、不降准确性的同时算法计算复杂程度相对较小，在现有的硬件条件下，对人脸实时跟踪。 人脸跟踪是进行动态人脸信息处理的第一个环节，在视频会议、可视电话、人工智能交互等方面有着重要的应用价值。与人脸检测不同，人脸跟踪是指在视频或者图像序列中确定某个人脸的运动轨迹及大小变化的过程。它的挑战性来自于两个方面：一是鲁棒

12、性。由于人脸运动的不规则性、场景的复杂性、使得人脸跟踪的难度加大；另一个就是实时性。人脸跟踪处理的较多的是视频序列，这就要求人脸跟踪算法需要具有较高的运算效率13。在计算机视觉领域，人脸跟踪研究是运动目标跟踪研究的一个分支问题，然而二者在算法上又存在较多交叉之处。例如在视频图像运动目标的提取过程中运用的光流法、背景减除法、时域差分等方法均可应用到人脸跟踪上。根据跟踪的方法，人脸的跟踪算法可以分为三类：一、基于特征检测方法的人脸跟踪；二、基于模型的人脸跟踪；三、基于贝叶斯滤波方法的跟踪1415。(二)研究实施流程 第一步搭建多路视频监控系统，第二步从视频中获取一帧图像，对图像中的某人脸进行识别，

13、第三步进行人物跟踪。系统流程图如下：视频字符图像采集动目标检测视频输入叠加数据生成字符叠加输出动目标跟踪视频字符叠加其中，人脸检测与跟踪算法是整个图像处理算法的核心，流程图如下： 输 入 视 频 流去噪当前帧提取背景目标征值提取图像分割差分二值化目标识别连通区域检测四、课题进度安排第一周第二周: 毕业设计选题，查阅相关文献搜索所需资料了解课题并进行整理，设计系统的整体框架结构，系统可行性研究及需求分析写作第三周第四周: 明确课题设计内容、要求、熟悉相关标准，撰写毕业设计开题报告第五周第七周: 进行中期检查，完善软件硬件的各个模块第八周第九周: 系统的软件和硬件的最终调试，并进入系统的整体调试第

14、十周第十一周: 准备毕业论文，整理答辩材料第十二周: 进行毕业设计答辩五、主要参考文献1 庞尚珍.冯雪.视频监控中的人脸识别技术研究.2010年11期2 孙镇江.视频图像中的人脸识别技术研究.2011年3 容观澳.计算机图像处理.北京:清华大学出版社.20004 高洪.基于BLACKFIN视频动目标检测系统设计与实现M.南京:南京理工大学学士学位论文.20075 王卫华.陈卫东.顾岳.Linux环境下的实时视频采集J.电子技术.2000.(4):30-326 刘杰平.于英林.一种简易的图像去噪方法J.长春邮电学院学报.2001.19(2):23-277 T.Kanade,“Computer R

15、ecognition of Human Faces”,Basel and Stuttgart:Birkhauser,19738 M.D.Kelly,“Visual Identification of People by Computer”,Technical ReportIA-130,Stanford AI Projrct,Stanford,CA,19709 M.Rurk and A.Pentland,“Eigenfaces gor Recognition”,Journal of Cognitive Neuroscience,Vol.3,1991,72-86P10P.N.Belhumeur,J.P.Hespanha and D.J.Kriegman,“Eigenfaces vs.Fisherfaces:Recognition Using Class Specific Linear Projection”,IEEETrans.On Pattern Analysis and Machine Intelligence,Vol.19,1997,711-720P11Moghaddam B.Pentland A.Probabilistic visual learning for object representationJ.IEEE Trans.On Pattern Analys