导读:本文包含了分布式智能视觉监控论文开题报告文献综述及选题提纲参考文献，主要关键词:铁路异物侵限,机器视觉,智能监控,分布式系统
分布式智能视觉监控论文文献综述
马宏锋[1]（2013）在《基于机器视觉的铁路异物侵限分布式智能监控技术研究》一文中研究指出随着我国铁路跨越式发展，客运高速化和货运重载化程度不断提高，对铁路行车安全保障系统提出了新的挑战。机器视觉检测是计算机视觉领域一个新兴的应用方向和备受关注的前沿课题，它旨在赋予视觉系统观察分析场景内容的能力，实现监测的自动化和智能化，并已在铁路工程应用中显示出巨大的发展潜力。针对铁路运营中异物侵限事故频发，严重影响列车行车安全的问题，本论文主要研究通过机器视觉技术实现铁路异物侵限的检测与识别，并达到铁路行车安全全过程的监测、预警及安全管理。论文在广泛搜集、阅读和分析国内外有关铁路异物侵限、机器视觉和人工智能等方面最新文献和成果的基础上，研究了双目机器视觉、图像分析、模式识别和状态预警等方面的基本原理和方法，给出了铁路异物侵限的双目立体视觉的相机标定、图像预处理、特征提取、限界确定、异物识别和侵限状态预警的计算模型和实现算法，建立了分布式智能监控系统模型，开发设计了铁路异物侵限智能监控的原型系统，并通过实验和应用实例分析，该模型及方法可以有效解决铁路异物侵限的检测、识别与预警方面的问题，达到快速稳定的实时监控性能。论文首先深入分析了铁路安全保障系统目前面临和存在的严峻形势，以及分布式智能视觉监控系统在铁路行车安全保障系统中的作用与意义，在对铁路安全监控和机器视觉技术理论应用文献查阅、分析研究的基础上，提出了铁路异物侵限分布式智能监控系统的设计思路。其次，研究了双目机器视觉的原理与技术，在分析双目机器视觉的成像及检测原理的基础上，依据适宜的相机标定算法建立了双目立体视觉的相机标定系统，得出了异物侵限视觉检测系统相机的内外参数，分析了相应的图像去噪、图像增强和图像锐化等图像预处理算法，提出了一种快速整数递推GCV阈值图像去噪算法，并分析了双目视觉中叁维限界的叁维重建技术，再次，研究了铁路异物侵限图像特征的提取与二维限界的确定，对比分析了常用图像边缘检测算法的基础上，深入分析基于数学形态学的边缘提取算法，给出了改进的抗噪膨胀腐蚀型算子，提出了一种灰度形态学的多结构元素边缘检测算法，通过检测图像中铁轨特征及标定后现实空间坐标位置为基准，确定了铁路二维限界检测窗口。并在此基础上，分析铁路异物侵限图像特征，提出了序列检测图像的背景估计和空间阴影消除方法，借助动态阈值背景差分法检测判断二维限界中异物；进一步利用二维限界异物检测的结果，提出了利用立体匹配与叁维重建来确定铁路叁维空间限界的方法，实现了叁维空间内的异物侵限检测。然后，研究了铁路异物侵限状态预警技术，通过对铁路异物侵限的场景分析，提出了铁路异物侵限等级评判及预警的方法。以动态贝叶斯网络和模糊分类技术为基础，将影响侵限等级的各因素用概率方法结合专家知识进行描述，建立评估及预警模型，且将模糊分类技术应用到观测数据的处理，依据推理算法得到预测结果，通过案例分析验证该方法的有效性。最后，在研究铁路分布式智能监控的体系结构的基础上，建立了基于MAS的异物侵限分布式智能监控模型，从逻辑结构和功能的角度全面刻画了系统中Agent的组成及其功能模块间的关系，对监控行为进行了形式化的描述，并就Agent间的通信方式进行研究，形成一个完善的分布式监控体系结构。给出了系统的设计思路及总体目标，设计了系统的物理和逻辑架构，分析了系统的信息流程及具体的功能实现，并就系统的应用效果进行说明。论文结论部分对全文进行了概括性总结，提出了一些需要完善的研究工作，并指出了在铁路分布式智能监控方面理论和应用上有待于进一步研究的问题。(本文来源于《兰州交通大学》期刊2013-10-01）
曲琳[2]（2008）在《分布式智能视觉监控行为分析及语义检索技术研究》一文中研究指出随着计算机处理能力的提高，音视频编解码技术、互联网技术、网络多媒体技术和大容量存储技术的发展，以及安防、金融、教育等行业日益增长的需求，视觉监控技术得到了迅速发展。数字化、网络化和智能化是目前监控系统的发展趋势，智能视觉监控涉及机器学习、模式识别、人工智能和数据挖掘等多个研究领域，是当前国际性的研究热点。与传统的视频监控系统不同，智能视觉监控系统具有观察和分析监控场景内容的能力，能够在没有或少量人为干预的情况下，自动对视频序列进行分析，从而代替人完成视觉监控任务。本论文研究分布式智能视觉监控系统中的行为分析和语义检索问题。目标是通过分析运动目标的底层特征，研究基于单机和分布式环境的数据挖掘和检索算法，建立底层特征与高层语义间的联系，研究出适用于大型城域视觉监控系统的行为分析和语义检索技术。首先对运动目标行为理解与分类算法进行了研究。针对轨迹序列不定长和轨迹信息不完整的问题，提出基于子轨迹描述的轨迹特征提取算法。以子轨迹提取轨迹片断中的空间位置和时间序列信息，对目标的局部运动行为进行抽象，然后学习得到子轨迹分布模式，由子轨迹分布模式重新描述轨迹，提取得到轨迹特征。以该算法为基础，结合自组织特征映射(SOM)进一步实现了监控场景中的异常事件检测和目标行为预测，结合频繁模式挖掘算法进一步实现了轨迹分类。其次对智能视觉监控语义检索算法进行了研究。针对目标的运动特征提取和语义信息提取问题，提出了基于保距变换的相似性测量算法。通过Hausdorff距离进行轨迹相似性测量，以保距变换对轨迹相似性测量进行优化，降低了计算复杂度并为语义检索提供了目标向量空间轨迹描述符。以该算法为基础，结合谱聚类进一步实现了智能视觉监控系统中的轨迹分类算法，结合相关反馈进一步实现了基于SVM的交互式检索算法。再次对分布式视觉监控语义检索算法进行了研究。针对分布式智能视觉监控系统的网络组成、索引结构、索引分发和语义检索问题，提出了基于度量空间的分布式交互检索算法。将目标的特征向量发布到基于M-Chord的结构化对等网络中，将SVM模型建立的度量空间与M-Chord索引所处的度量空间结合，利用分片中心点减少了检索时对节点和对象的访问。为解决目标特征向量分发和检索时的负载不均问题，通过虚拟服务器拆分和移动的方法，在分布式交互检索网络中进行负载均衡。之后对分布式视觉监控子空间聚类算法进行了研究。针对分布式智能视觉监控系统的海量多媒体数据自动分析处理问题，提出基于分布式表决的子空间聚类算法。将分布式子空间聚类问题简化为分布式表决问题，利用底层覆盖网的拓扑结构进行层次化表决信息收集，并对各节点的聚类结果进行分布式表决，实现了视觉监控子空间聚类算法。针对子空间聚类的特点，进一步通过结果集缩减、结果集剪枝和结果集区域合并叁个策略，对节点间通讯进行了优化。最后对大型城域智能视觉监控系统的系统结构和整体构架进行了研究，建立了分布式视觉监控检索系统的原型。研究了分布式视觉监控检索系统的拓扑结构，介绍了嵌入式监控终端原型并对系统中的数据流和事务流进行了分析。(本文来源于《浙江大学》期刊2008-07-01）
肖小玲[3]（2008）在《分布式智能视觉监控系统关键技术的研究》一文中研究指出随着网络及传感器技术的发展,视觉监控系统正向自动化、智能化与普适化方向的发展。现存的视觉监控系统大多仍然只具有采集、存储视频数据的功能,对于实时事件检测任务则交给在监视器前面的监控人员来完成。智能视觉监控系统不应只是具有事故的调查功能,而且还应该具有阻止潜在灾难事故发生的功能。分布式智能视觉监控存在着许多与目前的视觉监控系统不同的新问题和挑战。其中包括系统软件平台、事件挖掘与分析等。本文就分布式智能视觉监控中的某一些关键技术进行了讨论。主要研究工作及创新性体现在以下几个方面:1)基于服务质量的分布式Multi-Agent模型的软件平台针对目前的视觉监控系统中软件平台简单,功能单一,尚存在较多不完善的问题。本文设计了一种基于服务质量QoS的分布式Multi-Agent模型的视觉监控系统软件平台。该平台中各个Agent都是自主的进程,能够可有序一致的互相协调通信。采用引用不耦合、时间上耦合的基于消息组的发布/订阅模型,以利于实现对Agent间的动态性的适应和自发交互。根据分布式智能视觉监控系统所传输的数据类型与特点,提出了一种基于服务质量的数据传输机制。实验测试表明,该传输机制具有较小的数据传输时延。2)面向室内监控场景中前景目标稳定检测与跟踪针对室内监控场景中前景目标的持续检测以及鬼影的去除问题。本文提出了一种面向室内监控场景中前景目标稳定检测方法。该方法采用基于颜色和梯度信息融合、双重背景模型及其更新机制实现对动态的前景目标持续稳定地检测,消除了前景检测中出现的鬼影影响,较好地解决了室内监控场景中目标经常处于“停停走走”,目标比较大且目标各部分运动状态不一致等情况下的目标检测问题。采用基于粒子滤波的概率跟踪框架,选择基于Particle Filter粒子滤波跟踪方法对监控场景中目标进行跟踪,实现了多目标稳定地跟踪。实验结果表明:不管人是静止还是运动的,都可以同时对多人整体、人头以及手进行稳定地检测与跟踪。3)基于概率支持向量机方法的人脸识别方法针对传统支持向量机方法不提供后验概率的输出,建议了“1对1”多类支持向量机的概率建模方法,提高了支持向量机的分类性能。结合了SVM分类器与概率建模的优点,提出了一种基于概率支持向量机方法的人脸识别方法。针对智能会议场景对人脸识别的特殊情况,通过依据检测、跟踪得到头部区域与人脸区域的长度或面积比,选择正面的人脸进行识别,从而降低了人脸姿态对人脸识别的影响。实验结果表明:该方法不仅使人脸识别的精度得到了提高,还提供了其属于所在类中的可信程度。4)基于多层事件融合的场景事件实时分析文中给出了一种基于事件的语义描述定义,描述了事件的叁种特性:(1)事件是描述时空过程的语义对象;(2)事件定义取决于场景;(3)事件具有层次性的结构。为解决智能监控场景中场景事件实时分析问题,提出了一种基于多层事件融合的场景事件分析模型以及对应的RBPF实时推理方法。利用事件具有层次结构特性以及各层事件之间的关系,将场景事件分解为不同层次的子事件,利用多层子事件融合进行场景事件分析,并以多层动态贝叶斯网络模型对其建模。构建该模型相应的RBPF推理方法,以实现对复杂场景事件进行实时分析。实验结果表明:该方法能够对动态场景中的场景事件进行实时推理,比PF方法具有更高的精度及较少的时间代价。总之,以上研究成果与创新内容较好地解决了智能监控领域中的几个关键性技术问题,具有广泛的应用前景和潜在的经济价值。本文得到国家自然科学基金项目(90304018,60672137),教育部博士点基金项目(20060497015)和湖北省自然科学基金项目(2004ABA043)的资助。(本文来源于《武汉理工大学》期刊2008-03-01）
齐美彬[4]（2007）在《多摄像机协作分布式智能视觉监控中若干问题研究》一文中研究指出智能图像传感器是分布式视觉监控系统的关键设备，如果用高性能计算机来设计智能图像传感器，则成本过高。并且一般计算机的可靠性较差，不能满足视觉监控系统连续工作的需要。近年来，数字信号处理器(DSP)的运算速度大幅提升，而价格不断下降，因此可以用DSP代替计算机来设计智能图像传感器，降低成本并提高可靠性。与高性能计算机相比，DSP的计算能力毕竟有限，在计算机上取得良好性能的多数复杂算法不能直接应用到DSP上，必须根据DSP的计算能力设计新的算法或者对以往算法进行改进，在保证算法性能的前提下尽量降低算法的复杂度。本文就是以基于DSP的网络摄像机为硬件平台，研究分布式智能视觉监控中背景重建、运动目标检测及跟踪、人脸检测跟踪、摄像机标定、多摄像机协作监视等基础性问题，着力解决算法复杂度与算法性能之间的矛盾。主要成果及创新如下：(1)快速而准确的背景重建是分布式智能视觉监控的重要基础之一。论文提出两种快速背景重建算法，即基于背景象素值出现频次最高假设的背景重建改进方法和利用运动分割结果指导背景更新的背景重建方法。第一种方法先去掉前景点，再统计背景点各像素值出现的频次，选出频次最大的灰度值作为背景灰度值，算法能快速有效地重构背景，并且当目标运动缓慢或在某一区域频繁出现导致前景点出现的概率大于背景点时，仍能正确重构背景。第二种方法利用运动分割检测出“虚假”的运动区域，仅对“虚假”运动区域进行背景更新，计算量小，更新速度快，并且算法不受背景点出现频次的限制。(2)单摄像机跟踪是多摄像机跟踪的基础。论文给出一种运动检测与运动搜索相结合的卡尔曼预测多目标跟踪算法，算法使用跟踪置信度策略，在单摄像机条件下，能统一处理遮挡、合并、分裂等情况，具有较强的多目标跟踪能力。(3)视频人脸检测、跟踪是视觉监控系统的一项重要功能。论文综合应用肤色特征和人脸区域的边缘点方向特征，给出一种基于贝叶斯分类器的快速视频人脸检测方法，并利用人脸检测及kalman预测实现多人脸的跟踪。(4)通过摄像机标定获取目标的世界坐标是视觉监控的重要任务之一。论文提出一种基于四元数的运动摄像机旋转矩阵的在线标定方法，标定方法简捷，重建世界坐标误差较小。另外提出一种基于人体身高模型的单摄像机目标定位新方法，能通过外参数未标定的单个摄像机获取目标在地平面上的二维坐标，满足室内或室外运动目标定位的需要。(5)多摄像机协作是提高分布式视觉监控系统智能性的重要方法。论文提出一种联盟机制多摄像机协作模型，利用基于任务需求与摄像机能力距离匹配的协作联盟快速生成算法选择择多个摄像机来跟踪目标，并用加权轨迹融合算法提高轨迹的精度。(本文来源于《合肥工业大学》期刊2007-06-01）
夏娜,蒋建国,胡社教,齐美彬[5]（2003）在《基于Multi-Agent的分布式智能视觉监控系统研究》一文中研究指出90年代以来,随着计算机技术的发展,对于Agent的研究已经成为分布式人工智能领域的一个热点,基于Multi-Agent的分布式智能系统已成功地应用于众多领域。该文将Multi-Agent技术应用于智能视觉监控领域,以开发智能视觉监控的分布式Multi-Agent系统,提出了系统的基本框架和系统实现途径及方法,其中着重研究了基于Multi-Agent理论的视觉监控系统模型、组织活动,以及多Agent之间的协调合作问题。该分布式系统的研究,为实际应用系统的研制开发提供了理论指导和方法依据。(本文来源于《计算机工程与应用》期刊2003年31期）
分布式智能视觉监控论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着计算机处理能力的提高，音视频编解码技术、互联网技术、网络多媒体技术和大容量存储技术的发展，以及安防、金融、教育等行业日益增长的需求，视觉监控技术得到了迅速发展。数字化、网络化和智能化是目前监控系统的发展趋势，智能视觉监控涉及机器学习、模式识别、人工智能和数据挖掘等多个研究领域，是当前国际性的研究热点。与传统的视频监控系统不同，智能视觉监控系统具有观察和分析监控场景内容的能力，能够在没有或少量人为干预的情况下，自动对视频序列进行分析，从而代替人完成视觉监控任务。本论文研究分布式智能视觉监控系统中的行为分析和语义检索问题。目标是通过分析运动目标的底层特征，研究基于单机和分布式环境的数据挖掘和检索算法，建立底层特征与高层语义间的联系，研究出适用于大型城域视觉监控系统的行为分析和语义检索技术。首先对运动目标行为理解与分类算法进行了研究。针对轨迹序列不定长和轨迹信息不完整的问题，提出基于子轨迹描述的轨迹特征提取算法。以子轨迹提取轨迹片断中的空间位置和时间序列信息，对目标的局部运动行为进行抽象，然后学习得到子轨迹分布模式，由子轨迹分布模式重新描述轨迹，提取得到轨迹特征。以该算法为基础，结合自组织特征映射(SOM)进一步实现了监控场景中的异常事件检测和目标行为预测，结合频繁模式挖掘算法进一步实现了轨迹分类。其次对智能视觉监控语义检索算法进行了研究。针对目标的运动特征提取和语义信息提取问题，提出了基于保距变换的相似性测量算法。通过Hausdorff距离进行轨迹相似性测量，以保距变换对轨迹相似性测量进行优化，降低了计算复杂度并为语义检索提供了目标向量空间轨迹描述符。以该算法为基础，结合谱聚类进一步实现了智能视觉监控系统中的轨迹分类算法，结合相关反馈进一步实现了基于SVM的交互式检索算法。再次对分布式视觉监控语义检索算法进行了研究。针对分布式智能视觉监控系统的网络组成、索引结构、索引分发和语义检索问题，提出了基于度量空间的分布式交互检索算法。将目标的特征向量发布到基于M-Chord的结构化对等网络中，将SVM模型建立的度量空间与M-Chord索引所处的度量空间结合，利用分片中心点减少了检索时对节点和对象的访问。为解决目标特征向量分发和检索时的负载不均问题，通过虚拟服务器拆分和移动的方法，在分布式交互检索网络中进行负载均衡。之后对分布式视觉监控子空间聚类算法进行了研究。针对分布式智能视觉监控系统的海量多媒体数据自动分析处理问题，提出基于分布式表决的子空间聚类算法。将分布式子空间聚类问题简化为分布式表决问题，利用底层覆盖网的拓扑结构进行层次化表决信息收集，并对各节点的聚类结果进行分布式表决，实现了视觉监控子空间聚类算法。针对子空间聚类的特点，进一步通过结果集缩减、结果集剪枝和结果集区域合并叁个策略，对节点间通讯进行了优化。最后对大型城域智能视觉监控系统的系统结构和整体构架进行了研究，建立了分布式视觉监控检索系统的原型。研究了分布式视觉监控检索系统的拓扑结构，介绍了嵌入式监控终端原型并对系统中的数据流和事务流进行了分析。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
分布式智能视觉监控论文参考文献
[1].马宏锋.基于机器视觉的铁路异物侵限分布式智能监控技术研究[D].兰州交通大学.2013
[2].曲琳.分布式智能视觉监控行为分析及语义检索技术研究[D].浙江大学.2008
[3].肖小玲.分布式智能视觉监控系统关键技术的研究[D].武汉理工大学.2008
[4].齐美彬.多摄像机协作分布式智能视觉监控中若干问题研究[D].合肥工业大学.2007
[5].夏娜,蒋建国,胡社教,齐美彬.基于Multi-Agent的分布式智能视觉监控系统研究[J].计算机工程与应用.2003