基于時(shí)空特征的異常行為建模與檢測算法研究

《基于時(shí)空特征的異常行為建模與檢測算法研究》由會(huì)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、碩士學(xué)位論文題目:基于時(shí)空特征的異常行為建模與檢測算法研究研究生蓋杰專業(yè)信號(hào)與信息處理指導(dǎo)教師陳華華副教授完成日期2015年11月杭州電子科技大學(xué)碩士學(xué)位論文基于時(shí)空特征的異常行為建模與檢測算法研究研究生：蓋杰指導(dǎo)教師：陳華華副教授2015年11月DissertationSubmittedtoHangzhouDianziUniversityfortheDegreeofMasterResearchonModelingandDetectionofAbnormalBehaviorBasedonSpatio-temporalFeaturesCandidate:GaiJieSuper

2、visor:Prof.ChenHuahuaNovember，2015杭州電子科技大學(xué)學(xué)位論文原創(chuàng)性聲明和使用授權(quán)說明原創(chuàng)性聲明本人鄭重聲明：所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下，獨(dú)立進(jìn)行研巧工作所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫過的作品或成果。。對(duì)本文的研巧做出重要貢獻(xiàn)的個(gè)人和集體，巧已在文中抖明確方式標(biāo)明一切相關(guān)責(zé)任申請(qǐng)學(xué)位論文與資料若有不實(shí)之化，本人承擔(dān)。論文作者簽名：曰期：心良年月｜巧：扛＾學(xué)位論文使用授權(quán)說明；本人完全了解杭州電子科技大學(xué)關(guān)于保留和便用學(xué)位論文的規(guī)定，即研巧生在

3、校攻讀學(xué)位期間論文工作的知識(shí)產(chǎn)權(quán)單位屬杭州電子科技大學(xué)。本人保證畢業(yè)離校后，發(fā)表論文或使用論文工作成果時(shí)署名單位仍然為杭州電子科技大學(xué)。學(xué)校有權(quán)保留送交論文的復(fù)印件，ＪＬ、允許查閱和借閱論文，可Ｕ允許采用影印縮印或其；學(xué)?？桑展颊撐牡娜炕虿糠謨?nèi)容ｉ它復(fù)制手段保存論文。（保密論文在解密后遵守此規(guī)定）＇／論文作者簽名：光曰期心若年＾月ｒ日＿＾、＂＊＾：曰期；指導(dǎo)教師簽名１年月ｔ曰＾ｉ麥麥ｊ杭州電子科技大學(xué)碩士學(xué)位論文摘要隨著計(jì)算機(jī)技術(shù)的快速發(fā)展和視頻監(jiān)控技術(shù)的不斷革新，智能視頻監(jiān)控越來越受到人們的關(guān)注。而視頻中的異常行為檢測是智能視頻監(jiān)控中的

4、一個(gè)重要研究方向，具有實(shí)時(shí)、智能、經(jīng)濟(jì)的特點(diǎn)，在公共安全保障方面具有很高的學(xué)術(shù)價(jià)值和廣闊的商業(yè)前景，其主要工作是自動(dòng)分析一些人口流動(dòng)性大、稠密度高的監(jiān)控場景中的人群行為特征，一旦發(fā)生異常行為就立刻發(fā)出報(bào)警信號(hào)，從而提高相關(guān)部門的應(yīng)急響應(yīng)速度。因此，針對(duì)視頻中的異常行為檢測需要進(jìn)行深入的研究。目前異常行為檢測的研究主要在于目標(biāo)行為的特征表示與檢測模型的構(gòu)建。本文對(duì)異常行為檢測模型進(jìn)行了研究，主要開展了以下工作：1、考慮到在監(jiān)控視頻序列中，由于不同位置的目標(biāo)距離攝像頭遠(yuǎn)近的差異，會(huì)對(duì)提取的特征產(chǎn)生影響，從而導(dǎo)致對(duì)行為的錯(cuò)誤判決，因此對(duì)視頻序列按位置分塊，以此來消除目標(biāo)距攝像頭遠(yuǎn)

5、近所造成的影響。2、采用比光流魯棒性更高的3D-SIFT作為目標(biāo)特征，并將3D-SIFT特征轉(zhuǎn)化為熵屬性，分別從時(shí)域混亂屬性、空域混亂屬性及光流屬性對(duì)目標(biāo)塊局部特征進(jìn)行描述，最后通過KL距離屬性來對(duì)行為特征全局信息進(jìn)行表達(dá)，并在此基礎(chǔ)上提出了一種基于多屬性融合的異常行為檢測模型。3、研究了協(xié)稀疏表示模型，將目標(biāo)塊特征的協(xié)稀疏先驗(yàn)作為正則項(xiàng)引入到異常行為檢測模型中，提出了基于協(xié)稀疏正則化的異行為件檢測算法，利用基于l范數(shù)最小化的協(xié)稀疏編1碼算法重構(gòu)目標(biāo)塊特征。4、研究了組稀疏表示模型，考慮到特征間的組結(jié)構(gòu)特性，對(duì)特征進(jìn)行分組并將組稀疏表示模型應(yīng)用到異常行為檢測模型中。對(duì)訓(xùn)練樣

6、本進(jìn)行聚類，采用PCA方法為每一類樣本訓(xùn)練一個(gè)字典，利用基于l最小化的組LASSO算法重構(gòu)目標(biāo)塊特征。2,1為了比較和測試所提模型的有效性，本文在UCSDPed1數(shù)據(jù)集、UMN數(shù)據(jù)集及WEB數(shù)據(jù)集上進(jìn)行了局部異常檢測與全局異常檢測，實(shí)驗(yàn)結(jié)果表明，本文所提的三種算法在異常行為檢測模型方面取得了較好的檢測效果，并具有較低的檢測時(shí)間。關(guān)鍵詞：異常行為檢測，3D-SIFT，目標(biāo)塊，協(xié)稀疏，組稀疏I杭州電子科技大學(xué)碩士學(xué)位論文ABSTRACTWiththedevelopmentofcomputertechnologyandinnovationofvideomonitortechnol

7、ogy,peoplepaymoreandmoreattentiontosmartvideomonitor.Abnormalbehaviordetectioninvideoisanimportantresearchtopicintheintelligentmonitoringsystem,anditisbecomingamuchattentionapplicationfieldinrecentyears.Meanwhile,abnormalbehaviordetectionhasgreatacademicvaluea