evsqiezi

智能视频分析技术与被动红外技术的整合应用2009年06月01日 16:24一 智能视频分析技术     视频分析技术从上世纪八十年代末始在中国发韧以来，发展极为迅速，从第一代的模拟视频监控系统（VCR）已经发展到第二代的部分数字化的视频监控系统（DVR/NVR），目前已经在朝着第三代的完全数字化视频监控系统（网络摄像机和网络视频服务器）迈进。然而，在这种常规的视

视频分析模式第一 码流来源         码流可以来自采集卡，DVR，DVS，NVR，相机等，类型可以是H264，JPG。第二 码流的分析         把码流存储起来，比如存25帧缓存，将码流解码成一张一张YUV或者RGB图片，然后对图片进行算法分析，比如人脸识别，车牌识别。第三 报警处理        如果发生异常，则根据需要存储图片或者录像。

背景减除法背景减除法 （Background Subtraction ） 是目前运动检测中最常用的一种方法，它是利用当前图像与背景图像的差分来检测出运动区域的一种技术。它一般能够提供最完全的特征数据，但对于动态场景的变化，如光照和外来无关事件的干扰等特别敏感。最简单的背景模型是时间平均图像，大部分的研究人员目前都致力于开发不同的背景模型，以期减少动态场景变化对于运动分割的影响。时间差分法

决策树(Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一种映射关系。 组成□——决策点，是对几种可能方案的选择，即最后选择的最佳

0 引言    在人脸检测领域，人脸特征的选取是基础与核心。目前主要的人脸检测方法可以分为基于特征的方法和基于统计的方法两大类。基于特征的方法可以处理较大尺度和视角变化的人脸检测问题，但其最大的困难在于很难找到相对稳定的特征，因为图像的显示特征容易受到光照、噪声等的影响；基于统计的方法可以避免特征提取和分析过程，但存在计算量大，以及非人脸样本收集和样本训练难的问题。    为此，本文对基于

车牌识别LPR(License Plate Recognition)技术作为交通管理自动化的重要手段和车辆检测系统的一个重要环节，能经过图像抓拍、车牌定位、图像处理、字符分割、字符识别等一系列算法运算，识别出视野范围内的车辆牌照号码；它运用数字图像处理、模式识别、人工智能技术对采集到的汽车图像进行处理，能够实时准确地自动识别出车牌的数字、字母及汉字字符，并以计算机可直接运行的数据形式给出识别结果，

主要分成这几个部分，图像采集（即图像输入）、图像预处理（粗略定位车牌位置）、图像处理（精确确定车牌位置，去噪）、车牌字符分割（上下边界，左右边界确定）和字符识别。

静态摘要与动态摘要的区别？视频浓缩？又称之为动态视频摘要,是一段比原始视频短的多的浓缩结果。