从视频监控实时人工检测

Laxmi Tyapi Sowmya K S

M。理工大学学生,ECE、黄宗泽理工学院,班加罗尔,印度卡纳塔克邦
ECE学系副教授,黄宗泽理工学院,班加罗尔,印度卡纳塔克邦

文摘

视频监控是确保安全的最有效的手段。它使安全监控广泛领域。在一般情况下,监视是单位即三个不同的阶段。、对象分割、对象分类和对象跟踪。对象分割方法分割的图像变成更容易分析和更有意义。对象跟踪处理的估计运动物体的轨迹。本文主要处理对象分类。对象分类主要用于分类人类和非人类的部分。本文实现了实时检测的人类。它是使用英特尔Atom处理器实现使用OpenCV。

关键字

视频监控、对象分割、对象分类、对象跟踪、轮廓形成背景减法

我的介绍。

监测的有效工具之一是视频监控。由于恐怖主义的增加,暴力和非法活动需要使用视频监控识别技术。视频监控系统不仅需要跟踪移动物体,还解释他们的行为模式。这意味着解决模式和集成的信息。

检测人类实时监测是一个具有挑战性的问题由于姿势的变化,照明条件和背景的复杂性。因为它不同于室外和室内的参数。开源计算机视觉(OpenCV)软件是一个功能强大的库包含图像处理工具,尤其是在处理实时图像处理。OpenCV自由软件图书馆是用c++和C写的,它可以在Linux下运行。它是由英特尔在下诺夫哥罗德俄罗斯研究中心。

论文的其余部分组织如下:第二部分给出了文献调查人类探测技术。第三节给出了提出的方法检测人类和对系统的不同模块的简要说明。第四部分对结果的分析,提出工作给予解释。第五节总结了纸。

二世。相关工作

本节为人类提供了一个回顾不同的方法检测和背景减法。在论文[1],“Jae Kyu Suhr和Ho Gi荣格”解释了技术背景减法MoG(高斯函数的混合物)主要呼吁拜耳模式图像。它使用高斯概率密度函数在„nA¢最近的帧。这种技术分类对象靠近观察者。混合高斯模型的技术是相同的准确性对RGB和灰色图像[1]。

在第二篇论文[2]“Changickkim Wonjun金”解释了关于FCH(模糊颜色直方图)背景减法技术。这种技术最大限度地减少图像中的颜色变化。但在实时的情况下应用直方图并不合适。

在论文[3]“T。MohanRaj a Nandini”提出了一种对象的分类方法对室外和室内环境。在这个自适应统计背景模型用于背景减法。单独的人类和非人类部分基于轮廓的方法。

三世。提出工作

答:烈性黑啤酒图

提出了本文主要的工作由不同的模块就像背景减法,轮廓形成和对象分类如图1所示。

本文的工作提出如图1所示。首先给定的视频转换成几帧。本文处理的实时实现视频转化为帧分别没有显示。这些帧的背景减法提取特定对象或人类做进一步处理。下一个模块是形成轮廓或边缘检测操作减去背景图像上执行。对象分类,一些人类的典型姿势是存储为一个数据库。然后从轮廓形成而获得的图像数据库和最有可能构成或人工检测。发现人类是由一个绿色矩形表示。

b模块

本文的工作流程包括视频输入,如图1所示。第一步是将视频输入转换成不同的帧。帧图像获得的视频。处理这些帧通过不同模块如图1所示。不同的模块背景减法,轮廓形成和对象分类。

c模块描述

本节将介绍各个模块的简要说明。

背景减法

背景减法是一种广泛使用的预处理技术在许多应用程序中使用。这是流行的方法来检测运动目标。这个模块的主要目标从背景中提取一个对象在一个图像。有不同背景减法技术,如帧差分法、均值滤波法、混合高斯平均运行和背景模型等。简单和容易的方法是帧差分方法如图2所示。

这一过程的背景模型或一帧作为参考帧,然后当前帧和背景帧之间的差异。如果获得的差异大于阈值的对象检测为前景的面具。这种技术可以制定,

| Framei -Framei-1 | >阈值(1)

这种技术的优点是易于实现,更健壮的噪声和光照条件的变化。

轮廓的形成

对象分类需要轮廓形成一个预处理步骤。轮廓定义对象的边界值在一个框架或图像。因此它是用来提取的一般形状的物体。它也被称为边界检测和边缘检测。

对象分类

对象分类提出的最后一个模块的工作。它是用来分类检测到对象类型,如人类或非人类。摘要对象分类将使用基于轮廓的方法即执行。一些对象轮廓被存储为数据库对象进行分类。轮廓是一个黑暗的某个对象的轮廓在明亮的背景下。轮廓形成的输出是相同的。

四、实验结果

输入是作为一个真正的时间即。从网络摄像头,视频输入。它被转换为帧与背景减法也表现为下图所示。图3显示了从摄像头输入的视频。图4表示的意思是背景图像。这是作为背景减法的参考系。

图5是前景图像。,it recognizes the object or human nearer to observer. It is background subtracted image but not that clear. Figure 6 indicates the exact background subtracted image.

诉的结论

该方法的主要目的是确定摄像头的人类。人类可能会在不同的位置,检测使用OpenCV。人类从视频监控检测更多的应用,比如人们计数、异常事件检测等。帧差分方法是用于实现背景减法。未来本文的范围也包括非人类的识别部分,这样我们可以分类为人类和非人类部分视频。

引用

李创Jae Kyu Suhr, Jaihie金姆和Ho Gi”混合Gaussians-Based Bayer-Pattern图像序列背景减法”2011年3月,IEEE电路和系统视频技术,21卷,没有。3,pp.365 - 370。
ChangickKim, Wonjun金正日“背景减法进行动态纹理场景使用模糊颜色直方图”2012年3月,IEEE信号处理信件,19卷,没有。3所示。
t . Mohanraj a Nandini“人类探测使用Silhouette-Based从视频监控法”IJAICT卷1,第一期,2014年5月
查尔斯Fowlkes迈克尔·Maire Jitendra马利克和巴勃罗Arbel´aez”使用在自然图像轮廓检测和定位连接”
Hironobu Fujiyoshi和土屋Masamitsu”评估对象的特性重要性分类在视觉监督”的Proc。九IEEE计算机视觉国际会议上,2卷,2003年。
b . Ku h . Ko,美国康,h·金和位汉”模型在基于块的直方图的自适应选择背景减法”2012年4月12日,电子信件48卷第八名。
马西莫Piccardi“背景减法技术:审查”IEEE国际会议系统,2004年。