基于監(jiān)控視頻的人體異常行為檢測研究.pdf

1、隨著科技的飛速發(fā)展和人們生活水平的不斷提高，人們對自身的安全意識程度逐漸加強，智能監(jiān)控設備早已在電梯、機場、銀行、廣場等公眾場所隨處可見。隨著計算機視覺領域在智能監(jiān)控平臺的發(fā)展，異常行為的檢測與分析已成為當今學者研究的熱點問題，有著極其廣闊的應用前景。然而，在傳統(tǒng)的視頻監(jiān)控中，監(jiān)控的工作需手動完成，相關人員要通過培訓，還要24小時不間斷地完成調(diào)整角度，捕捉異常圖像，發(fā)布命令等操作，耗費了大量的時間和財力，因此利用智能監(jiān)控平臺完成對人體異

2、常行為檢測和分析的工作意義重大。
　　本課題對異常行為檢測過程中涉及到的相關理論和技術進行介紹及改進，異常行為檢測過程大致分為三個部分：運動目標提取、運動目標跟蹤和行為檢測與分析。在運動目標提取方面，本課題通過比較不同背景建模算法之間的前景提取效果及執(zhí)行效率，選擇Zivkovic提出的自適應的混合高斯模型，得到理想的前景目標；在運動目標跟蹤方面，針對幾種跟蹤算法的優(yōu)缺點，提出改進后的Camshift結(jié)合卡爾曼濾波方法，有效解決運動

3、人體與背景區(qū)域大面積相似和目標間重疊問題。
　　本課題分別在室內(nèi)和室外的監(jiān)控場景中，針對人數(shù)較少的情況下完成異常行為檢測。在室內(nèi)場景下，提出基于Horn&Schunck光流特征的區(qū)域光流能量方法，通過設定閾值對五類行為視頻進行分析，從而檢測異常行為。與傳統(tǒng)光流能量相比，該方法提高了識別的準確率。在室外場景下，利用人體的質(zhì)心及外接矩形框等幾何特征和人體運動軌跡特征分別對人體跌倒和徘徊行為進行檢測，滿足對異常行為檢測的實時性要求。使用