16、视频监控与暴力检测技术解析

视频监控与暴力检测技术解析

1. 视频监控的应用导向设计

1.1 视频监控目的分类

视频监控被赋予智能，旨在实现特定目的。主要包括人类检测、特定检测和智能视频监控等。人类检测通常先进行目标检测，再进行分类；特定检测可用于动作识别、轮廓提取和 3D 传感等；智能视频监控则借助机器学习、深度学习算法和分类器来实现。以下是详细的分类及支持技术：
| 视频监控目的 | 类型及子类型 | 支持技术 |
| — | — | — |
| 人类检测 | 目标检测 - 静态背景
目标检测 - 动态背景
目标分类 - 基于形状
目标分类 - 基于运动
目标分类 - 基于纹理 | 基于高斯混合的背景减法、基于模型区域分割的图割和压缩传感
Lucas - Kanade - Tomasi 跟踪器、均值漂移和水平集轮廓
标准模板匹配
基于自相似性的时频技术和基于光流
方向梯度直方图和支持向量机（SVM） |
| 特定检测 | 活动识别
轮廓提取
3D 传感 | SVM、k - 近邻和贝叶斯分类器
背景分割方法和传统分类器
基于智能光纤光栅的 3D 视觉传感系统 |
| 智能视频监控 | 机器学习算法
智能监控和异常检测
分类器 | 机器学习算法
深度学习算法、受限玻尔兹曼机算法和卷积神经网络
SVM、朴素贝叶斯和决策树 |

1.2 视频监控面临的挑战

视频监控与物联网（VS - IoT）结合面临诸多挑战，主要集中在能源消耗、信息延迟和多模态数据质量方面。处理高质量多媒体数据