資源描述：
《基于多示例學(xué)習(xí)的異常行為檢測方法研究》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、畝贏犬孝研究生畢業(yè)論文(申請碩士學(xué)位)論文題目：基于多示例學(xué)習(xí)的異常行為檢測方法研究作者：專業(yè)：研究方向：指導(dǎo)教師：崔永艷計算機(jī)軟件與理論機(jī)器學(xué)習(xí)高陽教授南京大學(xué)計算機(jī)科學(xué)與技術(shù)系二。一一年五月StudyonAbnormalEventDetectionbasedontheMulti-．instanceLearningPresentedbyYongyanCuiSupervisedbyProfessorYangGaoADissertationsubmittedtotheGraduateSchoolofNanjingUniversityfortheDegreeofMasterDepartm
2、entofComputerScienceandTechnologyNanjingUniversityNanjing，May2011南京大學(xué)研究生畢業(yè)論文摘要在視頻監(jiān)控系統(tǒng)中，人們通常關(guān)注的是視頻中的異常行為，而傳統(tǒng)的手工標(biāo)記異常行為的方法已不能滿足人們對于監(jiān)控系統(tǒng)時效性和準(zhǔn)確性的要求。因此，自動行為識別技術(shù)在智能視頻監(jiān)控中已經(jīng)起到越來越重要的作用。根據(jù)處理異常行為檢測問題的角度不同，可將異常行為檢測方法分為兩類：基于局部運(yùn)動特征的方法和基于軌跡的方法。由于前者只能反映視頻中像素點(diǎn)或像素塊在速度大小、方向上的簡單變化規(guī)律，所以它僅適用于一些像地鐵出13等運(yùn)動模式比較單一的場景或者具有明
3、顯運(yùn)動規(guī)律的場景。而基于軌跡的方法廣泛應(yīng)用于需要明確確定行為執(zhí)行目標(biāo)的情況，例如交通監(jiān)控。此外，在很多其他情況下無法獲得高質(zhì)量的視頻數(shù)據(jù)，甚至視頻本身都無法獲得，例如衛(wèi)星探索等，衛(wèi)星監(jiān)測返回的數(shù)據(jù)只是一系列的位置信息。然而，在基于軌跡分析的異常行為檢測方法中，被標(biāo)記為異常的軌跡往往僅在整條軌跡的某個局部存在異常，軌跡的其余部分都是正常行為。傳統(tǒng)的基于整條軌跡建模的方法很難檢測軌跡的局部異常。針對上述問題，本文提出一種基于多示例學(xué)習(xí)的異常行為檢測方法。該方法首先將軌跡分割成若干相互獨(dú)立的子段；然后采用序列數(shù)據(jù)學(xué)習(xí)模型或者特征向量來表示各個子軌跡；最后在多示例學(xué)習(xí)框架下，以整條軌跡為包，
4、正常軌跡為負(fù)包，異常軌跡為正包，軌跡子段為包的示例進(jìn)行學(xué)習(xí)。通過實(shí)驗(yàn)驗(yàn)證，該方法在準(zhǔn)確率和誤報率上普遍優(yōu)于傳統(tǒng)的基于整條軌跡建模的方法。關(guān)鍵詞：異常行為檢測；軌跡分段；軌跡表示；多示例學(xué)習(xí)第i頁南京大學(xué)研究生畢業(yè)論文ABSTRACTInvideosurveillancesystem，peoplepayalotofattentiontotheabnormaleventsallthetime．However，itisnotabletomeettherequirementfortimelinessandaccuracyofvideosurveillancesystemtomanuallym
5、arkthelabelsoftheactivities．Asaresult，itismoreandmoreimportanttohandlethisprobleminintelligentvideosurveillancebasedonthetechnologyofautomaticdetectionofactivities．Thereareusuallytwokindsofapproachesforanomalydetectionaccordingtothedifferentpointofviewofdealingwiththeproblem．Thetwokindsofmethod
6、sarecalledmotion-basedandtrajectory-basedrespectively．Themotion-basedmethodscallonlymodelthevariationofspeedanddirectionofthepixelsorblocks，SOtheylimittoscenesthathaveobviousregularmovementsandonlycontainsimplemotionpatternssuchastheexitofthesubway．Trajectory-basedapproachesarewidelyusedintheca
7、sewhereexecutorofactivityneedstobeclearlydeterminedsuchasintrafficsurveillance．Theyarealsousedinmanycaseswherewecannotobtainvideosofthehighresolutionandgoodqualityoreventhevideosthemselves，forexample，intheexplorationofplants，there
