資源描述:
《監(jiān)控視頻中人體異常行為檢測算法研究》由會員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、論文分類號:2學(xué)校代碼:10708學(xué)號:1506035碩士學(xué)位論文ThesisforMaster’sDegree監(jiān)控視頻中人體異常行為檢測算法研究李曉靜指導(dǎo)教師姓名:亢潔副教授學(xué)科名稱:模式識別與智能系統(tǒng)論文提交日期:2018年3月論文答辯日期:2018年5月學(xué)位授予單位:陜西科技大學(xué)申請工學(xué)碩士學(xué)位論文論文題目:監(jiān)控視頻中人體異常行為檢測算法研究學(xué)科門類:工學(xué)一級學(xué)科:控制科學(xué)與工程培養(yǎng)單位:電氣與信息工程學(xué)院碩士生:李曉靜導(dǎo)師:亢潔2018年5月STUDYOFHUMANABNORMALBEHAVIORDETECTIONALGORITHMINSUR
2、VEILLANCEVIDEOAThesisSubmittedtoShaanxiUniversityofScienceandTechnologyinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringScienceByXiaojingLiSupervisor:AssistantProf.JieKangMay2018監(jiān)控視頻中人體異常行為檢測算法研究摘要隨著生活水平的提高與科學(xué)技術(shù)的發(fā)展,人們對社會公共安全的需求也愈來愈明顯,簡單的攝像頭監(jiān)控已滿足不了人們對安全的需求。因
3、此,設(shè)計(jì)一種可以從大量的監(jiān)控視頻中快速找到有用信息的智能監(jiān)控系統(tǒng)是監(jiān)控系統(tǒng)將來的發(fā)展方向。人體異常行為檢測作為智能監(jiān)控系統(tǒng)的一部分逐漸受到大家關(guān)注。因此,對人體異常行為檢測算法的研究是很有必要的。本文以機(jī)器視覺理論、圖像處理理論和視頻分析技術(shù)為基礎(chǔ),研究了視頻中人體異常行為檢測過程所涉及的三個(gè)關(guān)鍵技術(shù):運(yùn)動目標(biāo)檢測、運(yùn)動目標(biāo)跟蹤以及異常行為檢測。本文的主要工作可歸結(jié)如下:(1)研究了一種基于均值背景與三幀差分的視頻運(yùn)動目標(biāo)檢測算法。在對幾個(gè)常用目標(biāo)檢測算法研究的基礎(chǔ)上,針對常用目標(biāo)檢測算法進(jìn)行目標(biāo)檢測時(shí)常出現(xiàn)檢測結(jié)果不完整,檢測結(jié)果存在“空洞”等問題
4、,本文考慮將背景提取算法與三幀差分法相結(jié)合。通過將改進(jìn)的均值背景提取法得到的視頻背景加入到三幀差分的過程中得到了一種基于均值背景與三幀差分的目標(biāo)檢測算法。最后,對常用目標(biāo)檢測算法和本文算法進(jìn)行了定性和定量評價(jià)。結(jié)果分析表明,本文所提算法檢測結(jié)果的準(zhǔn)確性和完整性均優(yōu)于其他四種常用目標(biāo)檢測算法,且算法檢測速度快。(2)研究了一種基于時(shí)空上下文(Spatio-TemporalContext,STC)與Kalman濾波的視頻目標(biāo)跟蹤算法。通過對常用目標(biāo)跟蹤算法的仿真研究,分析了其優(yōu)勢與缺點(diǎn)。針對常用的目標(biāo)跟蹤算法在目標(biāo)發(fā)生嚴(yán)重遮擋時(shí)跟蹤失效的問題,本文考慮將
5、Kalman濾波機(jī)制與基于時(shí)空上下文的跟蹤相結(jié)合,當(dāng)目標(biāo)發(fā)生嚴(yán)重遮擋時(shí)采用Kalman估計(jì)值作為Kalman的測量值對目標(biāo)位置進(jìn)行更新,消除了遮擋對目標(biāo)跟蹤帶來的影響。并且將改進(jìn)的目標(biāo)跟蹤算法作為跟蹤器對視頻中的幾個(gè)目標(biāo)同時(shí)進(jìn)行跟蹤從而完成了視頻多目標(biāo)跟蹤的任務(wù)。最后,對常用目標(biāo)跟蹤算法和本文算法進(jìn)行了定性和定量評價(jià)。結(jié)果分析表明,本文算法可以克服目標(biāo)被嚴(yán)重遮擋時(shí)出現(xiàn)的跟蹤失效問題,能夠?qū)崿F(xiàn)準(zhǔn)確的目標(biāo)跟蹤且可以達(dá)到實(shí)時(shí)跟蹤。(3)研究了人體異常行為檢測算法。首先,本文將人體異常行為分成單人異常行為和兩人交互異常行為。單人異常行為包括下蹲、昏倒等,兩人
6、交互異常行為包括打架、搶包等。針對單人異常行為的行為特性,本文考慮I采用目標(biāo)區(qū)域緊湊度與目標(biāo)質(zhì)心速度等特征來對視頻中的異常行為進(jìn)行檢測;針對兩人交互異常行為的行為特性,則考慮在目標(biāo)區(qū)域有效光流場的基礎(chǔ)上提取基于幅值加權(quán)的改進(jìn)光流方向直方圖特征,并根據(jù)方向直方圖的熵來對人體異常行為進(jìn)行檢測。通過引入檢測結(jié)果的異常識別率與異常誤檢率對本文算法與傳統(tǒng)基于區(qū)域光流特征的異常行為檢測算法進(jìn)行對比分析,仿真結(jié)果表明,本文算法與傳統(tǒng)的異常行為檢測算法相比,其檢測效果更好,可以實(shí)現(xiàn)對監(jiān)控視頻中人體異常行為的有效檢測,且具有較低的誤檢率。關(guān)鍵詞:智能監(jiān)控,異常行為檢測
7、,均值背景,時(shí)空上下文,區(qū)域特征,光流方向直方圖IISTUDYOFHUMANABNORMALBEHAVIORDETECTIONALGORITHMINSURVEILLANCEVIDEOABSTRACTWiththeimprovementoflivingstandardandthedevelopmentofscienceandtechnology,people'sdemandforsocialpublicsafetyisbecomingmoreandmoreobvious.Simplecamerasurveillancehasnotsatisfiedpe
8、ople'sdemandforsafety.Therefore,thedesignofanintellige