面向智能視頻監(jiān)控系統(tǒng)的運(yùn)動(dòng)目標(biāo)檢測(cè)與異常行為分析.pdf

1、智能視頻監(jiān)控（IVS）是計(jì)算機(jī)視覺(jué)中近年來(lái)倍受關(guān)注的一個(gè)應(yīng)用領(lǐng)域，它利用機(jī)器視覺(jué)和圖像處理相關(guān)技術(shù)實(shí)現(xiàn)對(duì)視頻信號(hào)的處理、分析和理解，進(jìn)而達(dá)到對(duì)監(jiān)控系統(tǒng)智能控制的目的，有效解決傳統(tǒng)監(jiān)控系統(tǒng)因數(shù)據(jù)處理量大，響應(yīng)時(shí)間長(zhǎng)以及人類自身固有弱點(diǎn)等缺陷導(dǎo)致的監(jiān)控效率低下和繁瑣工作量等問(wèn)題。
　　本次論文研究的開(kāi)展主要針對(duì)智能視頻監(jiān)控方面的應(yīng)用需求，著力研究視頻序列中的運(yùn)動(dòng)目標(biāo)的提取和異常行為分析，著手完成固定場(chǎng)景中運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤，并且在充

2、分利用檢測(cè)及跟蹤得到的運(yùn)動(dòng)目標(biāo)信息的基礎(chǔ)上，實(shí)現(xiàn)對(duì)視頻監(jiān)控范圍內(nèi)目標(biāo)行為的主動(dòng)分析。本文完成的研究工作及主要貢獻(xiàn)如下：
　　目標(biāo)檢測(cè)研究方面，針對(duì)傳統(tǒng)的基于混合高斯建模進(jìn)行前景檢測(cè)的缺陷，本文做了算法改進(jìn)，改進(jìn)算法將高斯建模與幀間差分兩種方法相結(jié)合實(shí)現(xiàn)目標(biāo)檢測(cè)，目標(biāo)提取更加完整。此外，在現(xiàn)有算法基礎(chǔ)上，本文提出了一種基于差分背景融合建模的運(yùn)動(dòng)目標(biāo)檢測(cè)算法，該算法通過(guò)連續(xù)視頻幀圖像間的差分運(yùn)算獲得背景區(qū)域像素的逐步填充融合建立背景圖

3、像，并構(gòu)建自適應(yīng)背景更新策略達(dá)到背景模型的實(shí)時(shí)更新，有效實(shí)現(xiàn)穩(wěn)定背景模型的建立，并完成完整前景的檢測(cè)，實(shí)驗(yàn)結(jié)果證明，本文算法穩(wěn)定性高，前景檢測(cè)效果好。
　　目標(biāo)跟蹤研究方面，針對(duì)復(fù)雜背景下目標(biāo)跟蹤的技術(shù)難點(diǎn)，本文提出了一種基于圖像感知哈希技術(shù)的運(yùn)動(dòng)目標(biāo)跟蹤算法，算法通過(guò)圖像感知哈希技術(shù)構(gòu)建目標(biāo)哈希值進(jìn)行模板匹配，采用搜索跟蹤和匹配跟蹤兩種策略相配合準(zhǔn)確獲取運(yùn)動(dòng)目標(biāo)在幀圖像序列中的位置和尺度信息，利用新的圖像信息更新目標(biāo)模板，實(shí)現(xiàn)運(yùn)

4、動(dòng)目標(biāo)的準(zhǔn)確、持續(xù)跟蹤以及模板尺寸的自適應(yīng)修正，有效解決傳統(tǒng)匹配算法在跟蹤應(yīng)用中時(shí)間復(fù)雜度高，準(zhǔn)確性低，對(duì)噪聲、遮擋、目標(biāo)尺度變化等抗性不足的問(wèn)題。
　　異常行為分析方面，根據(jù)異常行為難定義、易發(fā)現(xiàn)的特點(diǎn)，本文從異常行為的宏觀狀態(tài)出發(fā)采用基于目標(biāo)團(tuán)塊和軌跡分析的方法判別異常行為，針對(duì)不同種類異常行為設(shè)定不同的判別規(guī)則，當(dāng)規(guī)則被觸犯，則觸發(fā)報(bào)警。本文具體完成包括：監(jiān)控ROI設(shè)定、運(yùn)動(dòng)人體標(biāo)識(shí)、目標(biāo)特征提取等幾個(gè)方面的算法實(shí)現(xiàn)，并基于