視頻監(jiān)控場景中人群異常行為識別研究.pdf

1、近年來,智能視頻監(jiān)控技術(shù)作為一個新的應(yīng)用領(lǐng)域逐漸成為計算機視覺中研究的熱點,它以傳統(tǒng)的視頻監(jiān)控為基礎(chǔ),利用計算機視覺,圖像處理,模式識別等相關(guān)技術(shù)對監(jiān)控場景中的目標(biāo)與行為進行檢測,并對感興趣的目標(biāo)或行為進行分析和描述,它改變了傳統(tǒng)視頻監(jiān)控單純依靠人工“看”的特點,實現(xiàn)真正意義上的智能監(jiān)控。隨著社會的發(fā)展,人群異常行為識別作為智能視頻監(jiān)控中一種現(xiàn)實迫切需求而產(chǎn)生的領(lǐng)域正受到越來越多的關(guān)注。
　　本文在詳細查閱并分析了人群異常行為識別

2、相關(guān)資料的基礎(chǔ)上,對其涉及的一些相關(guān)的具體問題如人群運動區(qū)域檢測、人群行為特征的提取、人群行為分類識別等進行了較為深入的研究,主要研究內(nèi)容包括:
　　1.在人群運動區(qū)域檢測方面,介紹了常用的運動區(qū)域檢測算法,包括背景減除法和幀間差分法。并基于上述兩種算法提出了一種改進的人群運動區(qū)域檢測方法。在幀間差分法提取過程中,加入了多方向邊緣掃描來提取可靠的前景;在混合高斯建模的背景差分法中利用HSV顏色空間差判別公式,判定前景區(qū)域,最后通過

3、設(shè)定權(quán)值將二者累加,對人群運動區(qū)域進行準(zhǔn)確檢測。保證了后續(xù)研究工作的可靠性。
　　2.研究并設(shè)計了一種特征提取及描述策略,將運動區(qū)域像素點計算得到的速度及方向信息應(yīng)用于時空立方體中,使其適用于運動隨意性較強的場景中的行為特征提取。將時空立方體特征與具有競爭機制的神經(jīng)網(wǎng)絡(luò)模型結(jié)合,提出了完整的人群異常行為識別方法,實驗證實本方法在識別打架、恐慌逃散、跌倒踩踏等常見的人群異常行為時都取得了較好的效果。
　　3.傳統(tǒng)的光流算法在建

4、立相鄰幀像素的對應(yīng)關(guān)系時,只是進行簡單的灰度一致性假設(shè),當(dāng)光照發(fā)生變化時,即使沒發(fā)生運動,光流仍然存在,并且在灰度等級變化不明顯的區(qū)域,目標(biāo)運動很難被檢測到,針對這一問題本文提出了一種基于SIFT Flow技術(shù)的特征提取算法。在建立相鄰幀像素對應(yīng)關(guān)系時,利用SIFT描述子代替簡單的灰度值來獲得運動區(qū)域更加準(zhǔn)確的運動及方向信息,最后將得到的信息通過運動方向直方圖來進行描述。將運動方向直方圖對隱馬爾可夫模型(Hidden Markov Mo

5、dels, HMM)進行訓(xùn)練,完成人群異常行為的識別。實驗結(jié)果表明本方法能夠有效的識別出視頻場景中的異常行為。
　　4.針對人群行為識別中行為特征維數(shù)高,數(shù)據(jù)量大以及特征局部流形結(jié)構(gòu)不穩(wěn)定的問題,受啟于稀疏表示和流形學(xué)習(xí)方法,本文提出了一種基于局部線性嵌入(Locally linear embedding,LLE)稀疏表示的人群異常行為檢測方法。通過在稀疏分類模型中加入一個 LLE正則項,來解決局部流形結(jié)構(gòu)不穩(wěn)定的問題?；诰植烤€