基于時(shí)空特征的異常行為建模與檢測(cè)算法研究.pdf

1、隨著計(jì)算機(jī)技術(shù)的快速發(fā)展和視頻監(jiān)控技術(shù)的不斷革新，智能視頻監(jiān)控越來(lái)越受到人們的關(guān)注。而視頻中的異常行為檢測(cè)是智能視頻監(jiān)控中的一個(gè)重要研究方向，具有實(shí)時(shí)、智能、經(jīng)濟(jì)的特點(diǎn)，在公共安全保障方面具有很高的學(xué)術(shù)價(jià)值和廣闊的商業(yè)前景，其主要工作是自動(dòng)分析一些人口流動(dòng)性大、稠密度高的監(jiān)控場(chǎng)景中的人群行為特征，一旦發(fā)生異常行為就立刻發(fā)出報(bào)警信號(hào)，從而提高相關(guān)部門的應(yīng)急響應(yīng)速度。因此，針對(duì)視頻中的異常行為檢測(cè)需要進(jìn)行深入的研究。
　　目前異常行為

2、檢測(cè)的研究主要在于目標(biāo)行為的特征表示與檢測(cè)模型的構(gòu)建。本文對(duì)異常行為檢測(cè)模型進(jìn)行了研究，主要開(kāi)展了以下工作：
　　1、考慮到在監(jiān)控視頻序列中，由于不同位置的目標(biāo)距離攝像頭遠(yuǎn)近的差異，會(huì)對(duì)提取的特征產(chǎn)生影響，從而導(dǎo)致對(duì)行為的錯(cuò)誤判決，因此對(duì)視頻序列按位置分塊，以此來(lái)消除目標(biāo)距攝像頭遠(yuǎn)近所造成的影響。
　　2、采用比光流魯棒性更高的3D-SIFT作為目標(biāo)特征，并將3D-SIFT特征轉(zhuǎn)化為熵屬性，分別從時(shí)域混亂屬性、空域混亂屬性及

3、光流屬性對(duì)目標(biāo)塊局部特征進(jìn)行描述，最后通過(guò) KL距離屬性來(lái)對(duì)行為特征全局信息進(jìn)行表達(dá)，并在此基礎(chǔ)上提出了一種基于多屬性融合的異常行為檢測(cè)模型。
　　3、研究了協(xié)稀疏表示模型，將目標(biāo)塊特征的協(xié)稀疏先驗(yàn)作為正則項(xiàng)引入到異常行為檢測(cè)模型中，提出了基于協(xié)稀疏正則化的異行為件檢測(cè)算法，利用基于l1范數(shù)最小化的協(xié)稀疏編碼算法重構(gòu)目標(biāo)塊特征。
　　4、研究了組稀疏表示模型，考慮到特征間的組結(jié)構(gòu)特性，對(duì)特征進(jìn)行分組并將組稀疏表示模型應(yīng)用到異