《产学研项目(智能网络摄像机)可行性报告毕业设计（论文)word格式.doc》由会员分享，可在线阅读，更多相关《产学研项目(智能网络摄像机)可行性报告毕业设计（论文)word格式.doc（25页珍藏版）》请在三一办公上搜索。
1、 新一代具有智能分析功能的网络摄像机可行性研究报告摘要XX大学XXXX院 2008年06月制目 录1、研究目的及意义32、项目国内外发展现状与趋势，国内现有技术基础43、主要研究开发内容、方法、技术路线63.1 主要研究的内容63.2 智能分析的研究方向73.3 智能分析技术关键及创新点103.4 智能分析的实施方案133.5 网络摄像机技术方案173.6主要技术经济指标193.7技术先进性203.7.1 智能视频分析203.7.2 基于TI达芬奇TMS320DM643x系列处理器的网络摄像机223.8 可行性和风险性分析233.9 预期研究成果应用转化的前景预测及分析24具有智能分析功能的网
2、络摄像机1、研究目的及意义网络摄像机是一种结合传统摄像机与网络技术所产生的新一代摄像机，它可以将影像通过网络传至地球另一端，且远端的浏览者不需用任何专业软件，只要标准的网络浏览器（如“Microsoft IE或Netscape）即可监视其影像。网络摄像机内置一个嵌入式芯片，采用嵌入式实时操作系统。摄像机传送来的视频信号数字化后由高效压缩芯片压缩，通过网络总线传送到Web服务器。网络上用户可以直接用浏览器观看Web服务器上的摄像机图像，授权用户还可以控制摄像机云台镜头的动作或对系统配置进行操作。网络摄像机不仅可基于计算机局域网用于区域监控，如住宅小区监控、办公楼、银行、商场等传统地监控；而且也能
3、通过INTERNET用于新型地跨区域远程监控及网上展示，远程儿童及老人看护、无人值守通信机房监控、旅游景点网上演播、产品网上展览等。尽管网络摄像机产品很早就已经出现在市场上，但由于早期产品功能的不成熟以及互联网带宽问题，网络摄像机的销量一直不好。随着中国互联网的飞速发展，数字化智能化是安防产品的必然趋势，带智能分析功能的数字视频监控是这段时间行业内最热门的话题，2005年下半年开始，网络视频产品的市场需求开始火热，同时智能监控系统的市场需求也不断扩大。近年来，智能视频分析监控技术一直都是安防领域的一个热点话题，什么叫智能视频分析监控技术？所谓的智能视频分析监控技术，有时也称“行为监控技术”，就
4、是指采用智能化的视频分析算法，利用计算机对视野范围内的目标的特定行为进行分析和提取，当发现存在符合某种规则的行为（如定向运动、越界、游荡、遗留等）发生时，自动向监控系统发出提示信号，采取某种对应措施（如声光报警器报警）或通知监控人员进行人工干预等。智能视频分析监控技术也属于模式识别技术的一种，它是通过设计一定的计算机算法，从视频中分析、提取和识别个体运动行为的特征，令计算机判断出这些个体进行了一些什么行为，进而可以判断这些行为是否符合某些规则，是否属于“某一类型”的行为，而这些类型的行为是应该提醒监控人员注意的“可疑行为”，这样当计算机发现了这些“可疑行为”时就可以进行即时的报警，摆脱了人工的
5、干预和判断，实现令计算机“代替”人进行监控，也即实现了“自动监控”或是“智能监控”。从更形象一点的角度来解释，监控系统中摄像头和视频传输技术解决了“眼睛”的问题，使监控人员能够在不身处现场的情况下通过摄像头看到现场的情景，而这一现场还由于传输技术的进步摆脱了地域的限制，甚至于可以在千里之外（通过数字网络传输视频）；而智能视频分析监控技术则给监控系统加上了“大脑”，使机器能够代替人（至少在一定程度上）来随时监看这些视频，无须再由人工随时去监看这些视频。目前平安城市项目在全国范围内全面铺开，公安部对网络摄像机的设计要求越来越高，现有的国内产品都很难满足要求。现在市面上的大多数网络摄像机产品的摄像机
6、模块和图像压缩模块都是分开设计的，经过多次数/模、模/数转换，不仅提高了成本，而且降低了性能。在摄像机中加入智能识别模块，详细分析影像信息，可以有效地捕获多种报警信息，自动通过网络发送到对应的处警单元，大大地减少了人工操作，并且更方便检索取证和统计分析。如何将摄像机模块、智能识别处理模块和图像压缩模块直接整合在一起是当前的关键课题。2、项目国内外发展现状与趋势，国内现有技术基础生产网络摄像机的主要厂商有：AXIS、Sony、Panasonic、Vivotek、Pelco、JVC、Bosch 、D-link、朗驰、大华、黄河、海康等等。其中，瑞典的AXIS公司的市场知名度较高，其推出的网络摄像机
7、占据了市场的主流，产品线比较丰富，包含家用型、专业型、低分辨率、百万像素、智能化等系列化产品。AXIS的具有图像效果清晰流畅，运行稳定的优点，但销售价格较高，因此还未在监控领域的较大范围推广，其产品销售主要在北美和欧洲。国内厂家相关产品的成熟度、稳定性和功能方面和国外产品相比还有不足，有待进一步发展完善。目前项目发展趋势是采用DSP方案（比朗驰、黄河等厂家采用的ASIC方案更灵活），并可扩展加入许多智能分析的功能，增加产品的销售亮点。AXISSonyD-link朗驰大华海康CSST性能很好好好一般一般好好外观很好很好很好一般一般一般很好软件支持好一般一般一般一般一般很好产品系列好好好一般一般一
8、般好价格差差差好一般一般很好品牌很好很好很好一般好很好很好在智能分析方面，国外一些公司近年来相继推出了具备一定智能功能的视频监控系统，如：挪威的DETEC AC公司提供的Detec系统；美国ObjectVideo公司提供的ObjectVideo VEW、ObjectVideo Forensics。它们实现了在用户定义规则下对监控场景进行监测、跟踪、分类、统计的软件系统，可在诸如有人闯入、盗窃、提包遗失或者未经许可在限制区域闲逛等违反自定义规则的情况下报警。另外还有：Object Video On Board构建在DSP处理器上的嵌入式视频监控系统；瑞典Axis公司推出的基于IP的网络视频监控系
9、统等等。目前在国内的研究机构中，中国科学院北京自动化研究所下属的模式识别国家重点实验室视觉监控研究组处于领先地位。他们对交通场景的视觉监控（基于三维线性模型定位、基于扩展卡尔曼滤波器的车辆跟踪算法）、人的运动视觉监控（基于步态的远距离身份识别）和行为模式识别（提出了对目标运动轨迹和行为特征的学习的模糊自组织神经学习算法）进行了深入研究，取得了一定的成果。除此之外，国内还有一些高校和研究机构也进行了这方面的研究，如上海交通大学航空航天信息与控制研究所、华中科技大学图像识别与人工智能研究所、华中科技大学图像信息处理与智能控制教育部重点实验室、西安电子科技大学电子工程学院模式识别与智能控制研究所、东
10、南大学、北京理工大学等都对智能视频分析当中的检测、识别与跟踪进行了深入的研究。3、主要研究开发内容、方法、技术路线3.1 主要研究的内容本项目的研发包含产品硬件设计、结构设计、嵌入式应用软件设计、客户端SDK软件设计、单机版客户端软件设计，其中各产品的软件设计部分基本相同。嵌入式应用软件需要实现的基本功能：（1）视频压缩算法：MPEG-4，H.264，AVS（2）音频压缩算法：G.711，G.726 （3）网络功能：支持完整的TCP/IP协议簇，支持视频、音频、报警、语音数据、串行设备数据通过TCP/IP网络进行传输；内置WEB浏览器，可进行IE访问；支持PPPOE拨号；支持动态域名解释；支持
11、DHCP地址分配；支持主动连接服务器。 （4）PTZ控制功能：云台与电动镜头的控制，可以进行预置位、巡航、轨迹的设置与调用，支持众多解码器及球机类型；支持透明串口，用户可设定自己控制协议。 （5）视频智能分析算法：运动目标提取、跟踪，行为分析，违规报警等。（6）码率控制：CBR、VBR两种方式，码率可动态调节。（7）本地LOGO 图标及文字叠加（时间和中文都支持），马赛克遮盖。（8）报警功能：端口报警、移动侦测报警、遮挡报警，无视频信号报警，报警输出、报警上传中心。 （9）语音对讲：双向、双工语音对讲。 （10）多路连接功能：同一个网络摄像机能支持4个用户同时连接。（11）用户管理：多级用户权
12、限管理方式。一个管理员可以创建多个操作员，每个操作员的权限可以定制。（12）远程参数配置、升级、维护。（13）镜像、背光补偿、自动增益控制等摄像机参数调节。客户端SDK软件需要实现的基本功能：（1）智能网络摄像机连接及初始化，视音频数据、报警数据获取。（2）支持多通道视音频解码显示。（3）智能网络摄像机查询及状态获取。（4）智能网络摄像机参数配置。（5）智能视频分析的事件规则设定（6）事件触发后的报警控制（5）智能网络摄像机云台控制（6）用于双向语音对讲的音频编码。（7）支持Windows2000/WindowsXP操作系统。（8）简单DEMO应用程序。（9）支持主流监控平台挂接：天视、诚丰、
13、九鼎、系统平台部产品、互讯互通、中兴通讯、阿尔卡特、神州数码。单机版客户端软件与网络摄像机配套销售，属于赠送产品，与产品支持部合作开发，在现有小型平台监控软件修改实现中，主要功能需求：（1）界面简洁美观，操作简单，人机交互友好。（2）支持64路设备管理、配置（3）支持简单电子地图（4）多路视频显示（5）录像存储及检索回放（6）报警联动处理（7）语音对讲、抓拍、云镜控制（8）中英文语言支持3.2 智能分析的研究方向Ismail Haritaoglu和Dvaid Harwood总结了智能视频分析监控系统需要解决的问题，提出W4智能视频分析监控系统，所谓W4指的是：1他们是谁?(who are th
14、ey?)2他们在干什么?(What are they doing?)3何地?(Where do they act?)4何时?(When do they act?)虽然W4是针对一个智能视频分析监控系统的特例进行总结的，但它基本上可以反映出智能视频分析监控系统的主要任务。在此基础上，对W4稍加改动，增加一个W，提出了W5智能视频分析监控系统的概念，并明确其主要任务为：1我看到了什么?(what can I see?)2何地?(whee are they?)3他们正在做什么/将会做什么?(what are they doing or what will they do?)4何时?(When do
15、they do?)5我应该采取什么措施?(what should I do about it?)虽然各种智能视频分析监控系统的结构、实现方式等均有所不同，但其主要任务基本上都是围绕上述五个问题进行的。为了能够进一步从研究的角度直观说明智能视频分析监控系统的主要任务，本文给出了如图1.1所示的智能视频分析监控系统的结构框图。整个系统由四个模块组成，分别是图像获取模块、图像处理模块、图像分析模块和图像理解模块。其中，图像获取模块是指通过硬件系统获取图像数据的过程。图像处理模块包括数据处理和图像预处理。数据处理用于对采集到的视频信息进行调整、压缩和存盘，以方便该信息在网络中传输。硬件系统获取的原始图
16、像，由于噪声、光照、运动等原因，图像质量不高，所以需要进行预处理，以利于提取我们感兴趣的信息。预处理模块主要包括传感器标定、滤波、图像增强与恢复等。图 像 获 取调整压缩存盘标定滤波增强恢复目标分割目标定位目标跟踪特征提取目标识别行为理解威胁估计决策图像分析图像理解预处理图像处理数据处理智能视频分析监控系统结构框图图像分析模块主要是对图像中感兴趣的目标进行检测和测量，以获得它们的客观信息。图像分析模块包括目标分割、目标定位、目标跟踪和特征提取。在这部分主要是解决“何时?”和“何地?”的问题。图像理解是在图像分析的基础上，进一步研究图像中各目标的性质和它们之间的相互联系，并得出对图像内容含义的理
17、解以及对客观场景的解释，从而指导和规划行动。内容包括目标识别、行为理解、威胁估计和决策推理四部分。其中，目标识别是解决“我看到了什么?”的问题;行为理解和威胁估计用来解决“他们正在做什么?”和“他们将会做什么?”;最后是通过决策推理解决“我应该采取什么措施?”的问题。传统的运动物体检测方法在没有背景先验知识或光线等环境因素发生变化的情况下对运动目标的检测信息不完备，使运动目标的后续识别与理解受到很大影响。如果有一种合理的背景图像更新机制，并充分利用基于背景差分方法检测运动目标的优点，则会大大提高检测效果。本项目在此思路引导下首先提出了一种基于高斯模型分阶段的自适应背景更新方法，并根据彩色差值模
18、型得到当前帧图像和当前背景图像的差分图像；然后对于差分图像，引入Gauss模型实现了运动目标的自适应阈值分割。检测出的运动物体普遍存在阴影现象，这大大增加了物体的识别等后续工作。已有的基于颜色特征的阴影去除算法都需要建立复杂的背景模型，由于受到光照强度、地面材质等因素的影响，有一定局限性。本项目融合运动物体的颜色特征和形状特征提出一种新的去除阴影算法。本项目把运动目标识别问题当作一个标准的模式识别的问题来解，通过对SVM、Adaboost学习算法的训练，获得满足一定性能指标的目标分类器。从模式识别的角度，目标分类器的设计主要考虑特征的挑选和基于所选特征的分类器的设计。对于学习算法，本文使用的是
19、成功应用在人脸检测领域的Adaboost学习算法和在小样本下有较好性能的SVM学习算法。在特征的选择上，Adaboost采用了目前目标检测领域广泛使用的Haar-Like特征；SVM特征参数除了矩特征外，考虑了面积和速度等特征，从而较好地实现了对系统中运动目标的识别。通过运动目标识别，将检测分割后的区域，分成人，摩托车，卡车，小汽车等类别。已有的完全基于车辆形状的卡尔曼跟踪模型在跟踪交通拥挤时段的车辆时，由于相互遮挡产生的跟踪信息不准确，这对车流量、车速等数据的获取有重要影响。针对复杂背景下多目标跟踪问题，提出了基于蒙特卡罗粒子滤波器的多目标跟踪算法。3.3 智能分析技术关键及创新点尽管视频监
20、控研究己经取得了一定的成果，但下述几个方面仍是今后研究的难点问题。1背景提取和更新交通场景的背景提取需要一定的预处理帧，对于普通的高速公路，由于车辆比较稀疏，大约取100帧的视频就可以保证构建出满足检测要求的背景图象；对于普通的城市交通场景，需要取150帧才可以构建出比较合适的背景；在车辆极为密集，几乎是前后衔接的情况下，比如国道的收费站、城市主干道的十字路口等，往往需要大于200帧才能构建出初始背景图象。显然，如果背景本身的变化非常频繁，比如在大雨或大雪的恶劣气候条件下，无法得到足够稳定的用来构建背景的预处理帧，将导致背景构建失败，故而这一处理环节也是研究的难点。背景更新替换的速度非常重要，
21、速度太快，背景缺乏稳定性，容易导致同一车辆在不同帧中的影像不同，从而引起跟踪错误；反之，如果背景更新速度太慢，不能根据环境的变化迅速做出反应，则可能使一部分背景被误当成目标而出现在背景差分图中，同样会导致车辆提取及跟踪的错误。2运动分割快速准确的运动分割是个相当重要但又比较困难的问题。这是由于动态环境中捕捉的图像受到多方面的影响，比如天气的变化、光照条件的变化、背景的混乱干扰、运动目标的影子、物体与环境之间或者物体与物体之间的遮挡、以及摄像机的运动等，这些都给准确有效的运动分割带来了困难。就以运动目标的影子为例，它可能与被检测的目标相连，也可能与目标分离。在前者情况下，影子扭曲了目标的形状，从
22、而使得以后基于形状的识别方法不再可靠；在后者情况下，影子有可能被误认为是场景中的目标。3全天候的工作要求图像识别算法对环境很敏感。由于交通信息采集系统需要全天候工作，所以视频检测系统应能适应雾、雨雪、阴晴、多云等天气变化，尤其是昼夜更替引起的交通场景光照变化。白天汽车车体清晰可见，即使晴天有车辆阴影存在，图像识别算法能较好地分离车体和阴影、识别车体或者车体的某部分；夜晚视道路照明条件的不同，车体的可见度也不同，在路面照明不足的情况下算法不能检测车体，而车体上的各种车灯及其路面反射光线夺人眼球，算法需要排除大面积路面反射光的影响，并从相邻的多种车灯中析出正确数量的汽车；黄昏黎明时分，光照强度变化
23、较快，而且车体相对于路面对比度不高，只有部分车辆打开车灯，这给算法设计造成了很大的困难。4遮挡处理目前，大部分运动分析系统都不能很好地解决目标之间互遮挡和人体自遮挡问题，尤其是在拥挤状态下，多目标检测和跟踪问题更是难于处理。在发生遮挡时，目标只有部分是可见的，而且这个过程一般是不可训练的。此时简单依赖于背景减除进行运动分割的技术将不再可靠。为了减少遮挡或深度所带来的歧义性问题，必须开发更好的模型来处理遮挡时特征与目标部分之间的准确对应问题。另外，遮挡前后的跟踪初始化也缺少自举方法。目前比较有效的方法是利用统计方法从可获得的图像信息中进行目标姿势、位置等的预测。不过，对于解决遮挡问题最有实际意义
24、的潜在方法应该是基于多摄像机的跟踪系统。5目标识别在目标识别方面，由于环境复杂、目标种类多、特征差异大、样本获取代价高，造成目标分类识别的难度大。例如，在车辆类型识别过程中，可以发现对同等大小的客车和货车进行区别是非常困难的，如何提取可靠的特征以提高车型识别率，也是本项目的难点之一。6性能评估一般而言，鲁棒性、准确度和速度是运动分析系统的三个基本要求。例如，系统的鲁棒性对于监控应用特别重要，这是因为它们通常被要求是自动、连续地工作，因此这些系统对于如噪声、光照、天气等因素的影响不能太敏感；系统的准确度对于控制应用特别重要，例如基于行为或姿势识别的接口控制场合；而系统的处理速度对于需要实时高速的
25、监控系统而言更是非常关键。因此，如何选择有效的工作方案来提高系统性能、降低计算代价是特别值得考虑的问题。同时，如何利用来自不同用户、不同环境、不同实验条件的大量数据测试系统的实时性、鲁棒性亦相当重要。本项目重点针对计算机智能视频分析关键技术进行研究，主要创新工作和贡献有以下几个方面：1提出了分阶段的自适应背景更新算法。本项目采用多高斯背景更新算法，分别研究了初始背景生成、背景实时更新等环节的特点，总结了一些有意义的规律，提出了利用连续三帧视频的差别消除运动区域的方法来构建初始背景，对初始阶段的背景更新采用较大的阀值，以便快速得到稳定干净的背景，后续阶段采用较小的阀值并采用隔多帧背景更新，达到减
26、少计算量的目的。2提出了去除次要，保留主干的目标分割方法。针对场景中人在运动过程中手的摆动或张开会导致目标框时大时小的问题，通过分析直方图，去掉目标直方图两边各10左右的区域，达到稳定标识目标的目的。3针对复杂背景下多目标跟踪问题，提出了基于蒙特卡罗粒子滤波器的多目标跟踪算法。与其它目标跟踪算法相比，该算法具有以下优点：对目标状态的假设不是在整个图像平面，而是在目标层次上。通过对图像进行处理，得到图像的运动目标，去除背景图像，重构了一个目标平面。这样能够降低计算成本并保证实时性。本算法使用的目标位置信息是已标定的信息，所以对目标动态特性的建模更加精确和方便。有效地解决了在跟踪过程中目标个数的变
27、化，即新目标出现或老目标消失。跟踪过程中，目标暂时性的被遮挡后重新出现，仍能正确跟踪。有限的样本点，就可以接近最优贝叶斯估计。4将运动物体的轮廓信息和颜色信息相结合，根据运动投射阴影的一般属性，尤其是运动投射阴影与背景的相似性，提出了一种有效的阴影消除算法。5对现有的Adaboost分类器进行调研，选用Haar-like特征进行目标分类。给出一种特殊的分类器训练方法，在少量已知样本情况下，就可以得到较好的分类精度。6对现有的支持向量机多类分类器进行调研，选用有向无环图的多类支持向量机进行目标分类。提出一种特殊的分类器训练方法，在少量已知样本情况下，就可以得到较好的分类精度。分类器的训练可分为两
28、步，一是使用场景无关的特征量训练得到基准分类器；二是利用场景相关的特征量进一步训练分类器，以提高分类器的精度。7针对视频监控中的行为理解进行了探讨性的研究。首先建立场景模型，然后建立行为模型，用图像处理过程得到的运动目标的形状特征和运动特征，建立了分层的、陈述性的行为模型，最后，基于贝叶斯网络来对行为进行识别。3.4 智能分析的实施方案技术路线：本项目研究主线如图所示。从三个层次对计算机智能视频监控系统进行研究。从下往上分别是图像层、特征层和行为层，对应图像工程中的图像分析和图像理解。图像层对应于图像工程的图像分析，特征层和行为层对应于图像工程的行为理解。从图还可以看出，随着抽象程度的提高，需
29、要处理的数据量在逐渐减少。也就是说原始图像数据经过一系列处理过程，逐步转化为更有组织的和用途的信息。下面将每一层的功能简单描述，其详细描述参见本文后面各章节。第一层是图像层，从硬件设备获得视频数据后，对单帧图像上运动目标进行检测，并对序列图像上的运动目标进行跟踪。图像获取图像色块跟踪色块特征选取目标分类模型建立 行为模型轨迹模型行为识别决策图像图像色块色块目标分割(背景建模)目标跟踪(蒙特卡罗粒子滤波器)目标特征提取目标识别(SVM、Adaboost)行为理解(场景建模行为建模 轨迹建模)抽象程度数据量低大高小行为层特征层图像层高层图像理解中层图像分析低层图像分析系统技术流程图第二层是特征层，
30、主要是通过对图像层中检测和跟踪到的目标区域进行特征提取，并通过对特征的分析，进行目标分类。第三层是行为层，由图像层的跟踪结果和特征层的分类结果，对图像中的运动目标的状态和运动轨迹进作一步分析，识别运动目标的行为，从而对其进行行为理解。技术关键的解决方案1背景提取和更新针对交通场景的背景提取需要一定的预处理帧，如果背景本身的变化非常频繁，比如在大雨或大雪的恶劣气候条件下，无法得到足够稳定的用来构建背景的预处理帧，将导致背景构建失败，提出了利用连续三帧视频的差别消除运动区域的方法来构建初始背景。背景更新替换的速度非常重要，速度太快，背景缺乏稳定性，容易导致同一车辆在不同帧中的影像不同，从而引起跟踪
31、错误；反之，如果背景更新速度太慢，不能根据环境的变化迅速做出反应，则可能使一部分背景被误当成目标而出现在背景差分图中，同样会导致车辆提取及跟踪的错误。基于以上要求，提出了分阶段背景更新算法，对初始阶段的背景更新采用较大的阀值，以便快速得到稳定干净的背景，后续阶段采用较小的阀值并采用隔多帧背景更新来减少计算量。2运动分割由于动态环境中捕捉的图像受到多方面的影响，比如天气的变化、光照条件的变化、背景的混乱干扰、运动目标的影子、物体与环境之间或者物体与物体之间的遮挡、以及摄像机的运动等，这些都给准确有效的运动分割带来了困难。为了准确的将运动目标分割出来，进行了以下几步工作。第一，经过比较多种背景模型
32、的实际检测效果，选择了对树叶摇晃、水波纹、光照变化等有较强抗干扰的高斯背景建模。第二，将运动物体的轮廓信息和颜色信息相结合，根据运动投射阴影的一般属性，尤其是运动投射阴影与背景的相似性，提出了一种有效的阴影消除算法来消除运动目标影子的干扰。第三，提出了去除次要，保留主干的目标分割方法，针对场景中人在运动过程中手的摆动或张开会导致目标框时大时小的问题，通过分析直方图，去掉目标直方图两边各10左右的区域，以稳定分割目标。第四，针对物体与环境之间或者物体与物体之间的遮挡，提出了基于蒙特卡罗粒子滤波器的多目标跟踪算法。3全天候的工作要求由于基于智能分析的视频监控需要全天候工作，所以视频检测系统应能适应
33、雾、雨雪、阴晴、多云等天气变化，尤其是昼夜更替引起的交通场景光照变化。为了适应全天候的工作要求，我们设计了分阶段的算法，对白天采用基于背景差的运动目标检测，在夜晚采用结合车灯和其它特征的检测算法。为了能适应雾、雨雪、阴晴、多云等天气变化，通过改善视频图像的质量、应用高频特征检测、提高图像的对比度等方法设计了恶劣天气环境下运动目标的检测算法。4遮挡处理针对目标之间互遮挡和人体自遮挡问题，尤其是在拥挤状态下，多目标检测和跟踪问题难于处理。我们准备从以下一些方面解决：第一，利用统计方法从可获得的图像信息中进行目标姿势、位置等的预测。第二，对于特殊的应用场景，采用基于多摄像机的跟踪系统来解决遮挡问题。
34、第三，针对复杂背景下多目标跟踪问题，采用基于蒙特卡罗粒子滤波器的多目标跟踪算法。5目标识别针对在目标识别方面，由于环境复杂、目标种类多、特征差异大、样本获取代价高，造成目标分类识别的难度大。采用以下方法：第一，如果只是需要区分车辆和行人，则利用SVM在小样本对二类目标良好的分类来识别。第二，对于识别车型、理解人的行为等复杂的应用，则利用Adaboost通过训练来识别。3.5 网络摄像机技术方案选用Sony公司的高解像度CCD图像传感器对图像进行采集，经过前端预处理芯片转换为数字信号后送入TI公司的达芬奇DSP处理器，由DSP的视频子模块完成影像大小改变、自动曝光控制、自动白平衡控制和自动对焦控
35、制。在DSP中采用先进的视频压缩和智能识别算法，将视频信号压缩并联合报警信息一起打包发送到中心服务器，由中心服务器进行集中存储和管理。产品功能和技术参数l 主芯片TI DaVinci 处理器SONY高解像度CCD图像传感器l 操作系统MontaVista 嵌入式 Linux 2.6.10l 视频分辨率D125Frame(720*576) (PAL)，D130Frame (720*480) (NTSC)HD125Frame (720*288) (PAL)，HD130Frame (720*240) (NTSC)CIF25Frame (360*288) (PAL)，CIF30Frame (360*2
36、40) (NTSC)l 压缩算法视频：H.264音频：G.726l 本地存储USB移动硬盘SD卡l 云台控制支持多种协议，并可由用户自行定义。l 网络协议SIP，TCP，UDP，SMTP，HTTP，DDNSl 外部报警接口4路报警输入，1路报警输出。l 软件架构同时支持C/S架构和B/S架构。l 智能视频分析参见5.2.1 智能视频分析部分的介绍。l 其他系统功能1内嵌Web Server，支持IE直接访问；2双向语音对讲；3多极用户权限管理；4支持SAN存储；5GIS电子地图；6系统日志。 3.6主要技术经济指标智能网络摄像机参数表主芯片TI DaVinci DM643x处理器传感器SONY
37、 1/3”高解像度CCD图像传感器视频制式PAL/NTSC最低照度0.8LUX信噪比48dB(AGC OFF)模拟视频解析度520电视线硬件接口复合视频输出：BNC, 1Vp-p, 75W音频输出：线性音频报警接口：2路报警输入，1路报警输出网络接口：RJ45 10M/100M自适应串行接口：RS485电源输入：DC12V内置3倍可变镜头内置全向微型云台内置麦克风视频处理自动曝光自动聚焦自动跟踪白平衡背光补偿控制自动增益控制视频镜像控制压缩算法视频：MPEG4音频：G.711，G.726视频压缩分辨率：704*576(PAL)，704*480(NTSC)视频帧率：125帧/秒(PAL)，130
38、帧/秒(NTSC)码率：64k2M bps可选择智能分析人群密度检测定向运动检测游荡物体检测周边入侵检测移走物体检测停靠车辆检测遗留物体检测： 车辆尾随检测：网络协议支持TCP/IP，HTTP，DDNS，DNS，DHCP，PPPOE工作温度-1050工作湿度0%80%3.7技术先进性3.7.1 智能视频分析l 运动目标跟踪分析1人群密度检测：检测人群密度或排队的长度，以防止过度拥挤的情形发生。2定向运动检测：可检测人、车辆、和各种物体违章逆行。3人尾随检测：检测并跟踪在门禁处人的非法尾随。4游荡物体检测：检测是否有人、车或其他物体在某敏感区域游荡。5周边入侵检测：对入侵的人，车或物体进行稳定的
39、检测，跟踪和分类。6移走物体检测：检测是否物体被移走。7停靠车辆检测：检测在敏感区域停靠车辆的大小，时间等。8十字转门违章检测：检测是否有人跳越或钻过十字转门。9遗留物体检测：检测被丢弃的、无人看守的物体（疑爆炸物等）10车辆尾随检测：检测并跟踪在车辆门禁处，人或车的非法尾随。l 人脸采集 1人脸检测和识别：在视频或图像中检测出人脸，人脸与指定的人脸进行比对或与人脸已经过预处理成的模板进行比对，根据相似度值判断是否是同一个人；2人脸数据模板化和检索：可以从一幅人脸图像中提取小到90字节的面纹数据（模板）。使人脸数据得到压缩并便于存储和检索，可以将任一采集的人脸与库中大量的人脸进行比对；3人脸跟
40、踪：利用人脸检测技术，当指定的人脸在视野内移动时，进行自动的跟踪。可以对某些人员进行实时的监控和报警；4真人检测：用来防欺诈，可以判断摄像机获得的人脸，是真人还是一幅片。l 人数统计1可提供给管理人员更便捷、精确地获得所需客流信息的手段，并实时进行客流数据分析处理;2可提供多种类型的分析数据和报表，对该场所客流状况与特征提供客观评价，协助实施有效管理和提高服务质量。3帮助管理人员有效地完善管理中各流程、完善商场管理、提高促销效率和员工服务质量，减低耗损、降低营运成本、提高净收益、控制风险系数，提升公司在业界的竞争力。4通过视频进行客流统计，具有高实时性与准确性；5可对客流基础数据进行深层次数据
41、分析，提供各种分析数据和报表；6通过网络实时显示客流变化曲线和相关视频；7可对历史数据按年、月、日进行统计分析，给管理和决策提供重要的参考，并可查询任意时刻客流的录像；8系统采用网络结构模式，管理和决策者可通过Internet随时察看不同地域分支机构的客流数据和图像；9提供多种数据分析模式和开放式接口，可根据特殊需求定制开发。l 交通监控1车速监控通过在视频中定义测速区间和限制时速，并测量出实际的距离，当车辆通过测速起点时开始计时，通过测速终点时结束计时，将距离除以时间得出通过的车速，如果车速大于限制时速则实时报警提示，并保存视频证据。该系统的车辆测速精度高于99。2车流量和道路状况监控该功能
42、可以对多车道进行车辆计数和拥塞分析，并能计算车道的通过能力。在计数时，我们只关心道路主干道上的车辆数目，在图像中的相应位置画出一条基准线。当车辆自下向上通过该基准线时，上方的计数框自动增加一个数。3车辆异常行驶报警实现了车辆非正常行驶的识别与报警功能，如十字路口的违章并线；逆行；违章掉头；不按规定超车等异常行驶，系统均能实时识别和报警提示，并将违章行为进行画面或视频保存记录。该报警功能的实现，可以在无人工巡视的条件下自动检测车辆违章行驶，实现高效智能的交通管理。4车型判断 通过对各种车型的建模学习，训练算法，能自动识别各种车型和颜色。5车牌识别自动识别各种车辆车牌号码，可分析记录违章车辆的车牌
43、，并可与数据库中的黑名单相比对。3.7.2 基于TI达芬奇TMS320DM643x系列处理器的网络摄像机 本项目主要用到的核心技术有TI达芬奇TMS320DM643x系列处理器应用及Sony CCD摄像机方案的应用。TI 达芬奇处理器包含DM643x(单核)、DM644x(双核)、DM6467(双核高清)等系列，其图像处理性能非常出色，已被国内外许多厂家选用。在我们的方案中采用TMS320DM643x是TI公司2006年推出的、专门为高性能、低成本视频应用开发的、主频300600MHz的、32位定点DSP，其接口丰富，是其在大家熟知的、已得到广泛应用的TMS320DM642数字媒体处理器基础上
44、的升级产品。DM643x系列包含DM6431、DM6433、DM6435、DM6437。其中DM6437主频400600MHz，带一通道视频输入和一通道视频输出，可用于需要进行视频处理的设备中。Sony公司几乎垄断了监控摄像机的CCD市场，其配套方案功能齐全，设计简单，图像效果良好，是标清网络监控的首选。Sony SS-HQ1摄像机方案为Sony 2005年推出的超高清晰度彩色摄像机方案，主芯片为CXD3172，可接760H，960H系列CCD。该芯片主要包含的功能有：亮度、色彩调节，自动增益控制，电子快门控制，白平衡控制，外部信号同步，色滚动消除，水平镜像，隐私保护，自动补坏点，超高清晰输出
45、（520TV线），内部10位A/D和D/A，Y/C分离输出，内部集成EVR和V-DRV，BT656数字输出。现在市面上的大多数网络摄像机产品的摄像机模块和图像压缩模块都是分开设计的，经过多次数/模、模/数转换，不仅提高了成本，而且降低了性能。本项目的设计中，利用摄像机芯片的数字通道，直接将采集到的图像数据送由DSP进行压缩处理，省去了数模转换带来的损耗。支持以下众多扩展功能：l 内嵌Web Server，支持IE直接访问；l 双向语音对讲；l 多极用户权限管理；l 支持SAN存储；l GIS电子地图；l 系统日志。3.8 可行性和风险性分析（1）政策风险、需求风险、市场风险目前平安城市项目在全
46、国范围内全面铺开，市场对智能网络摄像机的需求越来越多，公安部的政策也是科技强警。本项目的政策风险、需求风险、市场风险很低。（2）竞争风险面对国内外的竞争对手，我们可以在稳定性、易用性、成本控制以及公司品牌等方面着手，促进产品推广。（3）实施风险、进度风险加强项目管理，严格控制产品开发进度。（4）兼容性风险在软件设计时，同时支持国内主流软件平台，使产品可以方便的与各平台挂接。（5）知识产权风险完全自主产权，不存在风险。（6）人员流失风险在加大人员招聘力度的同时，进行合理的人员培训，并且对设计资料进行安全的备份及管理。（7）器件供应商风险设计时选用大品牌，且后续产品丰富的供应商，并且尽可能选择兼容的器件。3.9 预期研究成果应用转化的前景预测及分析目前在北美地区网络摄像机已占到了整个市场20以上的市场份额，国内市场目前还处于产品培育期，2006年国内摄像机产量约为1000万路（150亿
