基于計算機視覺的電梯轎廂內(nèi)異常行為檢測.pdf

1、針對電梯轎廂內(nèi)暴力行為的日益增多，安全問題需要得到更多的關(guān)注。而目前的傳統(tǒng)視頻監(jiān)控?zé)o法自動地檢測異常行為，還需要人參與其中，其效率和準(zhǔn)確性都不能令人滿意。智能視頻監(jiān)控技術(shù)作為電梯轎廂內(nèi)異常檢測的必然發(fā)展趨勢，能夠克服傳統(tǒng)視頻監(jiān)控的缺點，有效地識別異常行為。
　　 本文主要研究了智能視頻監(jiān)控中的數(shù)字圖像處理、模式識別和計算機視覺等關(guān)鍵技術(shù)，探討了一種電梯轎廂內(nèi)異常行為檢測方法。首先對四種基于減背景的人體前景提取算法進行了研究來提取

2、人體前景，然后通過基于前景連通區(qū)域像素統(tǒng)計的人數(shù)判斷方法，獲取電梯轎廂內(nèi)人數(shù)信息，最后針對單人和多人情況采取不同的異常行為檢測方式。對于多人的情況，主要檢測的是類似打斗這樣的異常行為。通過采集電梯轎廂內(nèi)的視頻圖像，計算人體前景像素數(shù)量的變化、前景外接矩形的長寬變化以及前景外接矩形的中心變化這三個相關(guān)特征，并組成三維人體運動特征向量。對于獲得的三維特征向量，本文研究了三種聚類方法，并通過對特征向量數(shù)據(jù)使用聚類算法，得到觀察符號序列。利用得

3、到的觀察符號序列對電梯轎廂內(nèi)人體正常行為模式建立隱馬爾可夫模型，根據(jù)與正常行為隱馬爾可夫模式的比較來識別電梯轎廂內(nèi)的多人異常行為。對于單人情況，主要檢測的是類似于突發(fā)疾病而倒地長時間靜止不動的異常行為。本文首先通過研究基于二值圖的人體輪廓跟蹤方法獲取人體初始輪廓；然后研究了Snake方法，并通過此方法獲得更接近人體形狀的人體輪廓；最后通過Hausdorff算法來對連續(xù)兩幀圖像中獲得的人體輪廓進行匹配度計算，通過計算一段時間內(nèi)的人體前后幀