面向視頻監(jiān)控的群體異常行為檢測方法研究

面向視頻監(jiān)控的群體異常行為檢測方法研究

ID:37023588

大?。?.62 MB

頁數(shù):72頁

時(shí)間:2019-05-17

面向視頻監(jiān)控的群體異常行為檢測方法研究_第1頁
面向視頻監(jiān)控的群體異常行為檢測方法研究_第2頁
面向視頻監(jiān)控的群體異常行為檢測方法研究_第3頁
面向視頻監(jiān)控的群體異常行為檢測方法研究_第4頁
面向視頻監(jiān)控的群體異常行為檢測方法研究_第5頁
資源描述:

《面向視頻監(jiān)控的群體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、面向視頻監(jiān)控的群體異常行為檢測方法研究CrowdAbnormalBehaviorDetectionBasedonVideoSurveillance工程領(lǐng)域:電子與通信工程作者姓名:陳天宇指導(dǎo)教師:侯春萍教授企業(yè)導(dǎo)師:侯瑞高級工程師天津大學(xué)國際工程師學(xué)院二零一七年十一月摘要近年來恐怖襲擊和群體暴力事件頻繁發(fā)生,為了保障人民生命財(cái)產(chǎn)安全,智能視頻監(jiān)控系統(tǒng)應(yīng)運(yùn)而生。作為智能視頻監(jiān)控系統(tǒng)中的一項(xiàng)重要功能,群體異常行為檢測受到了許多研究人員的關(guān)注,其目的是利用計(jì)算機(jī)視覺技術(shù)處理并分析監(jiān)控視頻內(nèi)容,實(shí)時(shí)檢測視頻中發(fā)生的異常行為并發(fā)出警報(bào)。本文提出了兩

2、種群體異常行為檢測算法,分別對監(jiān)控視頻中的局部異常行為和全局異常行為進(jìn)行檢測。針對局部異常行為,本文提出了一種基于運(yùn)動特征和外觀特征的局部異常行為檢測算法,用于檢測監(jiān)控場景中的物體運(yùn)動異常和物體外觀異常。對于由運(yùn)動特征變化引起的異常行為,本文提取圖像序列的光流信息,利用像素級別和塊級別的光流幅值計(jì)算每一個(gè)時(shí)空塊的運(yùn)動能量值,通過限定數(shù)據(jù)增長率的方式估計(jì)運(yùn)動能量邊界值,并以此邊界值區(qū)分正常行為和異常行為;對于由外觀特征變化引起的異常行為,提取每一個(gè)時(shí)空塊的時(shí)空梯度作為其外觀特征描述子,通過支持向量數(shù)據(jù)描述(SVDD)建立一個(gè)最優(yōu)超球體,該超

3、球體包圍了特征空間中盡可能多的訓(xùn)練樣本點(diǎn),并以樣本點(diǎn)到超球體中心的距離來判斷正常行為和異常行為。最后,通過一個(gè)二級分類器先后對運(yùn)動異常和外觀異常進(jìn)行檢測。針對全局異常行為,本文提出了一種基于運(yùn)動信息熵的全局異常行為檢測算法,用于檢測室內(nèi)或室外場景中的人群逃散行為。該算法利用監(jiān)控視頻圖像序列的光流場,結(jié)合光流矢量的方向和幅值計(jì)算運(yùn)動信息熵,該熵值可以表征監(jiān)控場景中的運(yùn)動信息的不確定程度。正常行為的樣本點(diǎn)集中在高斯分布的中心,而異常行為的樣本點(diǎn)分布在兩側(cè),以此來區(qū)別正常行為和異常行為。本文使用兩個(gè)公開的數(shù)據(jù)集對提出的算法進(jìn)行效果評估,評估指標(biāo)

4、為接收者操作特性曲線(ROC)曲線,曲線下夾面積(AUC),相等錯誤率(EER),異常檢測率(RD)。實(shí)驗(yàn)表明,本文提出的算法檢測效果優(yōu)于大部分經(jīng)典算法,而且在計(jì)算復(fù)雜度上遠(yuǎn)低于其他算法,幾乎接近實(shí)時(shí)檢測。關(guān)鍵詞:異常檢測,運(yùn)動能量值,運(yùn)動信息熵,支持向量數(shù)據(jù)描述,光流場IABSTRACTInrecentyears,terroristattacksandmassviolenceoccurfrequently.Theintelligentvideosurveillancesystemarisesatthehistoricmomentinor

5、dertoprotectpeople’slivesandpropertysafety.Amonglotsoffunctionsofthesystem,theabnormalbehaviordetectionisoneofthemostimportantandithasattractedtheattentionofmanyresearchers.Itspurposeistodetectabnormalbehaviorinsurveillancescenesandtoalertinreal-timebyusingthetechnologyof

6、computervisionandvideocontentanalysis.Inthispaper,twokindsofanomalydetectionmethodsareproposedtodetectlocalanomalyandglobalanomalyinsurveillancevideosequences.Forlocalanomalydetection,alocalabnormalbehaviordetectionmethodbasedonmotionfeaturesandappearancefeaturesispropose

7、d,whichisusedtodetectobjectswithspeedanomalyandappearanceanomalyinthesurveillancescene.Inordertodetectanomalycausedbythechangeofmotionfeatures,themethodextractsopticalflowinformationofinputimagesequencesandcalculatesmotionenergyvalueofeachnon-overlappingspatial-temporalcu

8、bebyusingframe-levelandpixel-levelmotionvector.Then,themethodestimatestheboundaryofmotionenergyv

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動畫的文件,查看預(yù)覽時(shí)可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時(shí)聯(lián)系客服。
3. 下載前請仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費(fèi)完成后未能成功下載的用戶請聯(lián)系客服處理。