智能视觉监控概述

书目IVS(智能视觉监控)简介IVS探讨现状IVS在ITS(智能交通系统)中的应用关键技术介绍总结IVS简介定义利用计算机视觉和人工智能的理论和方法，通过对摄像机拍录的图像序列进行自动分析来对场景中的运动物体进行定位、跟踪和识别，并对物体的运动行为作出推断或者说明，达到监控的目的目标用主动的、智能的视觉监控来代替传统的被动的视频监控，不仅仅是用摄像机来代替人的眼睛，而且是尽可能的自动的完成整个监控任务IVS探讨意义智能视觉监控是计算机视觉领域的前沿探讨方向，不仅具有很高的科学探讨价值，而且具有广泛的应用前景911事务以来，IVS不仅受到了学术界的重视，而且得到了政府和企业界的广泛关注IVS应用特定场所的访问限制某些场合的特定人识别流量统计和拥塞分析异样行为检测和告警IVS处理框架

图像低层视觉中层视觉高层视觉运动目标的检测分割图像处理目标的跟踪识别图像处理和模式识别行为推理图像理解和人工智能书目IVS(智能视觉监控)简介IVS探讨现状IVS在ITS(智能交通系统)中的应用关键技术介绍总结典型系统RoadWatch：1995，://./~pm/RoadWatch/在各节点：采集视频并处理(检测、跟踪)，将得到的交通参数发往交通管理中心车道车辆数目、平均速度、车道间切换频率、车的型号管理中心依据交通参数来限制信号，发布交通信息，并结合相邻节点的数据来计算路段的统计信息典型系统VSAM：VideoSurveillanceandMonitoring1997年，DARPA资助://www-2.cs/~vsam/vsamhome.html目的建立一个能在城市或战场等困难环境下应用多个摄像机对人、车辆等的行为进行监控的系统探讨内容静止/移动摄像机下运动目标的实时检测和跟踪目标类型的识别：人、轿车、卡车等特定场景下目标姿态的估计多摄像机的协同跟踪简洁交互行为的识别数据的实时分发吸引了众多学者投入到该领域的探讨。典型系统HID：HumanIdentificationataDistance2000年，DARPA资助://hid.ri/目的为了应对恐怖分子攻击，发展多模式的监控技术，能够远距离的检测、分类和识别出人来探讨内容人脸跟踪和识别(2D/3D)人脸表情识别步态识别人体上肢行为识别典型系统ADVISOR：AnnotatedDigitalVideoforIntelligentSurveillanceandOptimisedRetrieval2000，EU资助://www-sop.inria.fr/orion/ADVISOR/目的对地铁站内人们的活动行为进行监控探讨内容运用多个摄像机进行跟踪行为分析：估计人群的密度和运动，检测拥挤、堵塞、单行道的逆行行为等紧急行为和犯罪行为进行报警：如打架、阻断道路、拥挤、不买票而跳越栅栏、破坏机器等。存储数字视频图像和事务，以便检索典型系统----ADVISOR相关探讨机构国内自动化所、清华高校、上海交大、同济高校、宁波高校国外CarnegieMellonUniversity，theUniversityofReading，theUniversityofMaryland，加州高校Berkeley分校，INRIA等相关的出版刊物和会议期刊IEEETransactiononPAMI，IEEETransactiononTransportationSystems,计算机学报，计算机工程会议:ICCV、CVPR特地会议全国智能视觉监控学术会议(2002,2003)IEEEInternationalWorkshoponVisualSurveillance(1998,1999,2000)ACMSIGMMWorkshoponVideoSurveillance(2003,2004)IEEEInternationalConferenceonIntelligentTransportationSystems(ITSC)(1998---2005连续八届)评测：IEEEPETS(PerformanceEvaluationofTrackingandSurveillance)从PETS2000到PETS2005连续六届书目IVS(智能视觉监控)简介IVS探讨现状IVS在ITS(智能交通系统)中的应用关键技术介绍总结ITS介绍智能交通系统(IntelligentTransportationSystems，ITS)将计算机科学、通信等高新技术运用于交通监控管理与车辆限制，以保障交通顺畅及行车平安，从而促进经济发展、改善环境质量。五个模块交通管理系统ATMS(AdvancedTrafficManagementSystems)、旅行信息系统ATIS(AdvancedTravelerInformationSystems)车辆限制系统AVCS(AdvancedVehicIeControlSystems)商业车辆运作CVO(ComercialVehicleOperations)公共交通系统APTS(AdvancedPublicTransitSystems)供应的功能车载导航、全球定位、电子收费、电子警察、交通流量监测、交通信号限制与管理。计算机视觉在ITS中的应用车载处理系统道路识别、交通标记信号检测、路障检测、司机乏累检测路边处理系统检测和收集与交通状况有关的信息、交通事务检测和监控信息采集和处理步骤从场景中分别出单个汽车，并对其进行跟踪从跟踪数据计算出所需交通参数对交通参数进行处理，并形成各种限制信号交通参数及其获得方法交通参数车道排队长度车道汽车流量平均速度车辆型号运行方向(直行/拐弯)车道占有率获得方法 基于分割--跟踪的方法基于检测线的方法基于特征(角点、直线)检测的方法其他应用交通事务检测轨迹异样交叉路口监控有无行人通过，自动限制红绿灯车牌检测和识别自动收费和违规检测书目IVS(智能视觉监控)简介IVS探讨现状IVS在ITS中的应用关键技术介绍总结背景建模简洁背景模型均值/中值运动检测自适应更新统计的参数模型高斯背景建模混合高斯背景建模适合于困难的背景(如，树影晃动、水纹波动)非参数背景模型运动检测差分方法帧间差分速度快，但是不能提取完整的目标区域背景差分须要对背景进行维护光流方法运用运动目标随时间变更的光流特性检测运动区域，能处理摄像机运动下的运动物体检测，但计算困难目标分类为了对运动目标进行跟踪和分析，须要识别出类型基于形态的分类利用形态特征进行分类，如VSAM运用运动区域的分散度、面积、宽高比作为特征，运用3层BP分为单个人、车辆、人群及背景噪声基于运动的分类主要是利用非刚性物体(如人)运动的周期性特点(如人体下肢运动)可以将人和车辆区分开来目标跟踪基于区域的跟踪将目标分成一个或者多个小的区域，依据区域的形态或者颜色等信息进行跟踪。基于轮廓的跟踪先初步分割出物体，然后用snake或者Levelset获得轮廓基于特征的跟踪点、线、角点跟踪算法kalmanfilter、particlefilter、meanshift等行为分析实质是对一个时序特征数据的识别问题识别方法动态时间弯曲(DTW)有限状态自动机(FAM)HMMs时滞神经网络(TDNN)基于句法的方法(Syntactictechniques)贝叶斯信念网(BN)动态贝叶斯网络(DBN)自组织神经网络(Self-organizingneuralnetwork)多摄像机跟踪和融合优点可以解决遮挡问题，能获得3D信息一些问题多摄像机的标定摄像机间的切换数据融合书目IVS(智能视觉监控)简介IVS探讨现状IVS在ITS中的应用关键技术介绍总结存在的问题和挑战运动检测困难背景的变更：如光照，不同天气，树枝云层遮挡等，如何鲁棒的检测？目标跟踪车辆拥挤时的跟踪处理速度事务识别多主体行为的识别动作单元的识别和描述多摄像机跟踪发展趋势IVSASurveyonVisualSurveillanceofObjectMotionandBehaviorsOcclusionHandlingFusionof2-Dand3-DTrackingThree-DimensionalModelingofHumansandVeh