隨著攝像機視頻監(jiān)控的廣泛應用，面對實時全天候攝入的海量視頻監(jiān)控數(shù)據(jù)，不僅需要對視頻進行有效地組織和管理，還需要讓計算機自動地理解視頻內(nèi)容并做出處理，實現(xiàn)智能化視頻監(jiān)控。智能化視頻監(jiān)控是計算機視覺領(lǐng)域的一個前沿方向，它綜合利用模式識別、機器學習、計算機視覺、圖像處理等技術(shù)，在交通管理、安全監(jiān)控等方面有著廣泛的應用前景，成為一個熱點研究問題。而相關(guān)領(lǐng)域的數(shù)學算法和具體技術(shù)林林總總各不相同，甚至從思路上就大相徑庭，這更需要我們下工夫進行梳理和提煉。 本書針對智能視頻分析這一主題，圍繞視頻監(jiān)控中的兩個核心問題，即異常事件檢測與摘要，詳細地介紹了其概念、原理和技術(shù)方法。針對監(jiān)控的復雜場景的需求，采用了機器學習、模式識別和計算機視覺中的一些先進技術(shù)，探討了智能監(jiān)控背景下的運動目標提取、事件分類和視頻摘要等關(guān)鍵問題，為增強現(xiàn)有的智能視頻監(jiān)控系統(tǒng)的自動化程度和智能處理能力提供強有力的理論支持和技術(shù)幫助。 本書分為7章，內(nèi)容安排如下： 章概述了異常事件檢測與摘要技術(shù)的研究背景和意義，介紹了目前國內(nèi)外的發(fā)展現(xiàn)狀，指出了主要難點和發(fā)展趨勢；第2章詳細回顧了智能視頻監(jiān)控中異常事件檢測與摘要技術(shù)的研究現(xiàn)狀，包括其相關(guān)研究、當前主要采用的方法、目前存在的研究難點以及將來可能的研究方向。第3章提出了基于社會力模型，提出了擁擠場景下異常事件檢測方法，用于全局異常事件檢測；第4章針對擁擠場景中特征的噪聲問題，提出了基于魯棒性稀疏編碼的擁擠場景下異常事件檢測，用于全局和局部異常事件檢測；第5章基于視頻濃縮中內(nèi)容冗余問題，提出了基于關(guān)鍵觀測點選擇的視頻濃縮方法，提高濃縮的效率；第6章基于單攝像頭視角受限問題，提出了基于攝像機網(wǎng)絡的視頻濃縮技術(shù)，展示大視角的視頻摘要。