分布式智能视觉监控系统的关键技术研究

"这篇博士学位论文探讨了分布式智能视觉监控系统的关键技术，主要研究了基于服务质量的分布式Multi-Agent模型的软件平台、面向室内监控场景中前景目标的稳定检测与跟踪，以及基于概率支持向量机的人脸识别方法。作者肖小玲在计算机应用技术领域，由导师李腊元指导，于2008年5月完成于武汉理工大学。" 在分布式智能视觉监控系统中，传统的监控系统主要侧重于视频数据的采集和存储，但智能监控的目标不仅限于事后调查，更应具备预防潜在事故的能力。为此，论文提出了一系列创新点： 1) 基于服务质量（QoS）的分布式Multi-Agent模型的软件平台：为了解决现有视觉监控系统软件平台功能单一、不完善的状况，该研究设计了一种基于QoS的分布式Multi-Agent模型。每个Agent都是独立的进程，能够协调通信并适应系统的动态变化。通过消息组的发布和订阅模型，实现Agent之间的解耦和自发交互。此外，还提出了一种数据传输机制，以优化分布式智能视觉监控系统中的数据流，确保低延迟。 2) 面向室内监控场景的前景目标稳定检测与跟踪：针对室内监控中目标持续检测和去除鬼影问题，论文提出了一种融合颜色和梯度信息的双重背景模型，有效检测动态前景目标并消除鬼影影响。采用粒子滤波的概率跟踪框架，实现对多目标的稳定跟踪，无论目标静止还是运动，都能准确检测和跟踪人、头部和手部。 3) 基于概率支持向量机的人脸识别方法：鉴于传统支持向量机不提供后验概率输出的局限，论文提出了一个概率支持向量机方法，提高了人脸识别的准确性和鲁棒性。 这些研究为分布式智能视觉监控系统提供了理论和技术基础，有助于构建更智能、更自动化的监控解决方案，减少人力依赖，提高安全防范水平。