資源描述：
《基于視頻的軌跡提取及行人異常行為檢測技術(shù)的研究》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、碩士學(xué)位論文題目:基于視頻的軌跡提取及行人異常行為檢測技術(shù)的研究研究生陸云飛專業(yè)計算機(jī)軟件與理論指導(dǎo)教師陳臨強(qiáng)教授完成日期2015年3月萬方數(shù)據(jù)杭州電子科技大學(xué)碩士學(xué)位論文基于視頻的軌跡提取及行人異常行為檢測技術(shù)的研究研究生：陸云飛指導(dǎo)教師：陳臨強(qiáng)教授2015年3月萬方數(shù)據(jù)DissertationSubmittedtoHangzhouDianziUniversityfortheDegreeofMasterResearchonTrajectoryExtractionandAnomalyBehaviorDetectionofPedestri
2、anBasedonVideoCandidate:LuYunfeiSupervisor:Prof.ChenLinqiangMarch,2015萬方數(shù)據(jù)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)行研究工作所取得的成果。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人或集體已經(jīng)發(fā)表或撰寫過的作品或成果。對本文的研究做出重要貢獻(xiàn)的個人和集體，均已在文中以明確方式標(biāo)明。申請學(xué)位論文與資料若有不實之處，本人承擔(dān)一切相關(guān)責(zé)任。論文作者簽名：日期：年月日學(xué)位論文使用授權(quán)說明本
3、人完全了解杭州電子科技大學(xué)關(guān)于保留和使用學(xué)位論文的規(guī)定，即：研究生在校攻讀學(xué)位期間論文工作的知識產(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，允許查閱和借閱論文；學(xué)?？梢怨颊撐牡娜炕虿糠謨?nèi)容，可以允許采用影印、縮印或其它復(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：日期：年月日指導(dǎo)教師簽名：日期：年月日萬方數(shù)據(jù)杭州電子科技大學(xué)碩士學(xué)位論文摘要隨著監(jiān)控視頻數(shù)據(jù)的日益增長，人工分析視頻的方式耗費(fèi)人力的同時也增加了安全保障的成本，越
4、來越不能滿足實際需要。此時，智能化的視頻分析方法顯得尤為重要，異常檢測作為其中的一個研究方向受到廣泛關(guān)注。異常檢測就是通過對視頻的分析檢測出其中出現(xiàn)的目標(biāo)異常行為、異常事件。視頻中運(yùn)動目標(biāo)的軌跡包含了豐富的時空信息，可以用來推斷目標(biāo)的行為特征，有很高的研究價值。然而，目前常用的基于軌跡的分析方法大多算法復(fù)雜，停留在理論分析階段。本文在研究了基于軌跡的異常行為檢測的常規(guī)步驟的基礎(chǔ)上，提出并實現(xiàn)了從目標(biāo)的可靠軌跡提取到異常行為建模并檢測異常的實時行人異常行為檢測系統(tǒng)。系統(tǒng)主要包括運(yùn)動目標(biāo)的實時檢測，穩(wěn)定跟蹤并提取軌跡，軌跡特征提取與學(xué)習(xí)和異
5、常行為檢測四個階段。首先，本文運(yùn)用改進(jìn)的混合高斯模型進(jìn)行前景檢測，引入帶信任度的高斯分布和可變的學(xué)習(xí)率，加快了模型對場景的學(xué)習(xí)速度和背景建立過程。由于被檢測為前景的陰影會使得目標(biāo)形狀不規(guī)則且范圍較大，影響跟蹤過程，因此本文使用顏色空間的基于最大色度差的方法進(jìn)行陰影消除，獲得更精確的目標(biāo)形狀，降低了前景區(qū)域發(fā)生遮擋的概率。然后，對目標(biāo)的穩(wěn)定跟蹤進(jìn)行了研究，提出了結(jié)合前景位置匹配與均值漂移算法的目標(biāo)關(guān)聯(lián)方法，根據(jù)在跟蹤過程中可能出現(xiàn)的不同情況將目標(biāo)分成若干種狀態(tài)，并通過有限自動機(jī)進(jìn)行狀態(tài)管理，條件發(fā)生促使?fàn)顟B(tài)轉(zhuǎn)移，目標(biāo)從進(jìn)入視野到最后離開的
6、整個過程都會得到相關(guān)記錄，因而可以提取出完整、可靠的軌跡信息。同時，對于場景內(nèi)的靜止目標(biāo)設(shè)置計時器，檢測目標(biāo)是否過久停留。最后，提取出每個軌跡點(diǎn)的速度、加速度、軌跡長度異常增長等信息組成固定長度的特征向量，構(gòu)建自組織特征網(wǎng)絡(luò)對這些特征向量進(jìn)行訓(xùn)練學(xué)習(xí)，得到場景區(qū)域內(nèi)正常軌跡點(diǎn)的一般特征及其拓?fù)浣Y(jié)構(gòu)，通過比較正常軌跡點(diǎn)與待檢測軌跡點(diǎn)的特征值來判斷軌跡點(diǎn)是否異常，將含有多個異常軌跡點(diǎn)的軌跡判斷為異常。本文提出的方法能夠快速的檢測異常軌跡點(diǎn)，進(jìn)而對可疑的行人軌跡實時預(yù)警。通過對一個露天停車區(qū)域拍攝的視頻上進(jìn)行的實驗表明，該方法對異常軌跡具有較
7、好的檢出率。關(guān)鍵詞：異常監(jiān)測，軌跡特征，自組織特征映射，機(jī)器學(xué)習(xí)，有限自動機(jī)I萬方數(shù)據(jù)杭州電子科技大學(xué)碩士學(xué)位論文ABSTRACTWiththegrowingofsurveillancevideodata,manuallabor-intensivewayofanalyzingvideonotonlywasteslaborbutalsoincreasesthecostofsecurity,anditisunabletomeettheactualneedsincreasingly.Inthiscase,theintelligentmetho
8、dofvideoanalysisisparticularlyimportant,asaresearchdirection,anomalydetectionhasattractedwidespreadatte
