視頻監(jiān)控場(chǎng)景中人群異常行為識(shí)別研究.pdf

1、近年來,智能視頻監(jiān)控技術(shù)作為一個(gè)新的應(yīng)用領(lǐng)域逐漸成為計(jì)算機(jī)視覺中研究的熱點(diǎn),它以傳統(tǒng)的視頻監(jiān)控為基礎(chǔ),利用計(jì)算機(jī)視覺,圖像處理,模式識(shí)別等相關(guān)技術(shù)對(duì)監(jiān)控場(chǎng)景中的目標(biāo)與行為進(jìn)行檢測(cè),并對(duì)感興趣的目標(biāo)或行為進(jìn)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(diǎn),實(shí)現(xiàn)真正意義上的智能監(jiān)控。隨著社會(huì)的發(fā)展,人群異常行為識(shí)別作為智能視頻監(jiān)控中一種現(xiàn)實(shí)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(xì)查閱并分析了人群異常行為識(shí)別

2、相關(guān)資料的基礎(chǔ)上,對(duì)其涉及的一些相關(guān)的具體問題如人群運(yùn)動(dòng)區(qū)域檢測(cè)、人群行為特征的提取、人群行為分類識(shí)別等進(jìn)行了較為深入的研究,主要研究?jī)?nèi)容包括:
　　1.在人群運(yùn)動(dòng)區(qū)域檢測(cè)方面,介紹了常用的運(yùn)動(dòng)區(qū)域檢測(cè)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(jìn)的人群運(yùn)動(dòng)區(qū)域檢測(cè)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(duì)人群運(yùn)動(dòng)區(qū)域進(jìn)行準(zhǔn)確檢測(cè)。保證了后續(xù)研究工作的可靠性。
　　2.研究并設(shè)計(jì)了一種特征提取及描述策略,將運(yùn)動(dòng)區(qū)域像素點(diǎn)計(jì)算得到的速度及方向信息應(yīng)用于時(shí)空立方體中,使其適用于運(yùn)動(dòng)隨意性較強(qiáng)的場(chǎng)景中的行為特征提取。將時(shí)空立方體特征與具有競(jìng)爭(zhēng)機(jī)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(shí)別方法,實(shí)驗(yàn)證實(shí)本方法在識(shí)別打架、恐慌逃散、跌倒踩踏等常見的人群異常行為時(shí)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(duì)應(yīng)關(guān)系時(shí),只是進(jìn)行簡(jiǎn)單的灰度一致性假設(shè),當(dāng)光照發(fā)生變化時(shí),即使沒發(fā)生運(yùn)動(dòng),光流仍然存在,并且在灰度等級(jí)變化不明顯的區(qū)域,目標(biāo)運(yùn)動(dòng)很難被檢測(cè)到,針對(duì)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(duì)應(yīng)關(guān)系時(shí),利用SIFT描述子代替簡(jiǎn)單的灰度值來獲得運(yùn)動(dòng)區(qū)域更加準(zhǔn)確的運(yùn)動(dòng)及方向信息,最后將得到的信息通過運(yùn)動(dòng)方向直方圖來進(jìn)行描述。將運(yùn)動(dòng)方向直方圖對(duì)隱馬爾可夫模型(Hidden Markov Mo

5、dels, HMM)進(jìn)行訓(xùn)練,完成人群異常行為的識(shí)別。實(shí)驗(yàn)結(jié)果表明本方法能夠有效的識(shí)別出視頻場(chǎng)景中的異常行為。
　　4.針對(duì)人群行為識(shí)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(cè)方法。通過在稀疏分類模型中加入一個(gè) LLE正則項(xiàng),來解決局部流形結(jié)構(gòu)不穩(wěn)定的問題?；诰植烤€