監(jiān)控視頻中的異常行為檢測(cè)研究.pdf

1、本文主要研究智能視頻監(jiān)控分析技術(shù)在異常行為檢測(cè)中的應(yīng)用，本文的主要研究?jī)?nèi)容為:
　　1、前景檢測(cè)是智能視頻監(jiān)控技術(shù)后續(xù)識(shí)別等工作的關(guān)鍵，本文提出三種有效的算法檢測(cè)前景（包括靜止前景，如遺棄物，長(zhǎng)時(shí)滯留的行人、車輛）。首先結(jié)合滑動(dòng)平均法和近似中值法的特點(diǎn)，提出一種雙層背景建模方法。該方法利用不同更新率的快慢背景之間的差異檢測(cè)靜止目標(biāo)。該算法無(wú)需對(duì)目標(biāo)進(jìn)行跟蹤，降低了運(yùn)算量，并且具有一定的魯棒性。提出一種實(shí)時(shí)的靜止前景檢測(cè)方法，通過(guò)建

2、立雙背景模型提取靜止前景，證據(jù)累積圖像與允許遮擋時(shí)間參數(shù)能很好地處理虛警及遮擋。實(shí)驗(yàn)證明，在matlab7.1環(huán)境下對(duì)圖像大小為352×288的視頻序列而言，該方法的平均處理速度達(dá)到約50幀/s，能夠滿足實(shí)時(shí)的監(jiān)控任務(wù)需求。提出一種有效的靜止前景檢測(cè)方法，通過(guò)對(duì)混合高斯模型的更新方式的改進(jìn)，在保留GMM模型原有優(yōu)點(diǎn)的同時(shí)，還能對(duì)動(dòng)態(tài)場(chǎng)景中的靜止目標(biāo)進(jìn)行檢測(cè)，并且能很好的解決遮擋問(wèn)題。實(shí)驗(yàn)結(jié)果表明，該方法能適應(yīng)復(fù)雜的背景環(huán)境，達(dá)到良好的檢

3、測(cè)效果。
　　2、提出兩種分類算法區(qū)分遺棄物和移走物（偷竊物、鬼影等）。對(duì)檢測(cè)出的靜止前景進(jìn)行光影濾除，并排除靜止行人和車輛的干擾，進(jìn)一步提高靜止目標(biāo)檢測(cè)的魯棒性，提出一種基于顏色豐富度和邊緣加權(quán)特征的判別方法，實(shí)驗(yàn)結(jié)果證明，該方法相比于已有的基于邊緣的算法及基于顏色的方法，分類效果大大提高。為了進(jìn)一步提高實(shí)時(shí)性和分類效果，提出一種實(shí)時(shí)的基于邊界空間顏色對(duì)比度的遺棄物與偷竊物判別方法。相比于現(xiàn)有的其他方法，該方法極大降低了計(jì)算耗時(shí)

4、且分類準(zhǔn)確率較高，具有良好的檢測(cè)性能和實(shí)時(shí)性，為后繼跟蹤、分類等處理提供了堅(jiān)實(shí)的基礎(chǔ)，具有很強(qiáng)的應(yīng)用價(jià)值。
　　3、為了提高以人體輪廓為主要特征對(duì)人體行為進(jìn)行識(shí)別時(shí)的性能，提出一種以頭部為基準(zhǔn)的人體輪廓模型。與已有的以人體輪廓為主要特征的人體行為識(shí)別方法相比，該方法有以下特點(diǎn):1)采用無(wú)需重新初始化的水平集方法可以快速提取人體連續(xù)的封閉輪廓;2）由于只在人體輪廓上對(duì)頭部定位，消除了背景對(duì)頭部檢測(cè)的影響，使頭部定位簡(jiǎn)單快速;3）由典