以埕海海域某平台为例，将智能视频监控系统、船舶自动识别系统（Automatic Identification System, AIS）、广播报警系统以及计算机监控等技术相结合，设计和研发了一套适用于海上无人驻守平台的安防监控系统。该系统实现了对平台周边海域状况和登陆平台处的昼夜实时在线监测，可以智能识别靠近平台的非法船舶和登陆平台的外来人员，并自动触发声光报警进行驱离。运行结果表明，这种系统可以对异常事件作出准确及时的响应，并能自动触发关联设备，从而提升了海上平台安防监控的智能化水平。该研究对于优化海上平台安防监控技术具有一定的实际意义。

提出了一种适应场景广泛的基于皮肤表面“振动信号”的多摄像头人体识别定位方法。提出了同一人体皮肤表面“振动信号”在多摄像头下具有同步性而不同人体皮肤表面 “振动信号”具有差异性的原理,并通过实验进行了验证。基于肤色区域跟踪技术,实现了多摄像头下的人体皮肤表面“振动信号”的获取;基于其差异性和同步性原理及余弦相似度,实现了人体识别;并通过多摄像头坐标计算实现了多摄像头人体定位,最大定位距离误差为61.01 cm。

提出了基于在线随机森林投票识别人物动作类别的方法。建立了在线随机森林投票模型。通过在线训练和在线检测两部分进行了算法研究, 提高了检测人物动作类别的准确率。基于人物动作在时间和空间上有重要信息, 该方法首先通过提取图像立体块的lab色彩空间值、一阶差分、二阶差分以及大位移光流特征值在线训练随机森林; 训练结束后, 形成强分类器, 利用分类器对检测图像进行投票, 生成动作空间图; 最后, 在动作空间图中寻求最大值, 判断检测图像的动作类别。验证结果表明在低分辨的视频图像中, 本方法能够确定人物的动作类别, 对Weizmann数据库和KTH数据库的识别率分别为97.3%和89.5%, 对UCF sports数据库的识别率为79.2%, 动作识别准确率有所提高。该方法增加了光流能量场特征表述, 将原始投票理论拓展至三维空间, 并且采用向下采样的方式更新结点信息, 能够判断人物动作类别, 为智能视频技术提供了有效的补充信息。

研究了深度分类网络在道路交通典型目标分类中的应用,使用原始灰度图、HOG特征直方图、Canny边缘图与本征特征等多种目标表征方法与深度置信网络(Deep Belief Networks,DBN)相结合构建深度分类网络实现对行人、骑车人、车辆和其他4种典型道路交通目标的分类功能。为了配合基于DBN的深度人车分类网络的训练,建立了称为NUPTERC的典型道路目标图像库,给出了建库的规则和方法,利用NUPTERC图像库构建实验对深度分类网络进行测试,并与其他典型人车分类方法进行了比较。证明深度分类网络在满足实时性的条件下,可以获得令人满意的分类正确率。最后,将基于DBN5Canny的人车分类算法应用于智能视频分析云平台,实现了对道路上的典型目标实时、精确的统计和分类功能。

提出了一种基于SOPC的TAU320红外热像仪联网方案。采用美国Altera公司生产的 Cyclone III系列FPGA芯片作为平台，搭建了包含SRAM、W5300多个外设接口的SOPC系统。通过TAU320热像仪 采集视频数据，并将其乒乓存储至SRAM；采取DMA方式读取数据，经W5300网络芯片将其传送至远程PC 机。PC端用于控制硬件电路的工作状态切换以及实现视频显示。本文系统采用TCP协议实现了视频数据传 输，并具有体积小、功耗低、控制灵活等特点。

基于OpenCV视觉库针对绊线检测进行实现。从监控防区内运动目标检测与跟踪入手,调用OpenCV自带的运动目标跟踪框架,自定义其中的前景检测模块,完善运动检测。根据既定的绊线检测规则进行异常入侵行为分析、监测,并实时报警。该技术可应用到智能视频监控系统中,从而完成对监控防区的智能管理。

在基于帧差分的智能视频监控系统中, 图像亮度改变对目标物体的识别和跟踪可能造成严重影响。通过对比一些常用亮度校正方法, 选用比例变换法进行深入研究。为保证校正效果, 预先指定一个不受目标物体影响的区域, 根据其平均灰度确定变换因子。为满足实时性要求, 仅当连续2帧的亮度改变超过某一阈值时才进行校正。在Visual C++ 6.0下编程时又采取了一些措施提高程序运行速度, 例如将浮点运算转换为整数运算等。实验表明: 亮度校正前无法识别出的目标物体在亮度校正后可识别出来, 校正一帧图像耗时约1.2 ms, 当阈值取1或2时校正效果与校正速度综合最好。

目前, 视频跟踪正向大范围长时间目标跟踪研究方向发展。重现行人识别是对行人目标进行大范围长时间持续跟踪的关键技术, 是后续行为分析的基础。本文提出了一种基于非稀疏多核支持向量机的重现行人识别算法。首先, 该方法提取跟踪行人视频图像序列的多层 SIFT视觉单词树特征和多层颜色直方图特征。接着, 利用高效的非稀疏多核支持向量机算法在线融合多层 SIFT视觉单词树特征和多层颜色直方图特征得到行人外观模型。最后利用存储的行人外观模型库对重现行人进行识别。该方法可应用于多摄像机视频监控中同一行人目标的跨摄像机跟踪以及单摄像机监控中行人目标重新出现的识别。实验结果表明, 该方法能快速训练人体目标外观模型, 能获得很高的识别率。