低分辨率監(jiān)控視頻下的可疑人員檢測方法研究.pdf

1、近幾年來智能視頻檢測系統(tǒng)得到了廣泛的關(guān)注和發(fā)展,但是視頻監(jiān)控下的行人行為分析仍然是一個復雜并且有待于進一步研究的領(lǐng)域。針對小區(qū)、辦公大樓等環(huán)境進行可疑人員檢測是視頻監(jiān)控的一個重要分支,本文在國內(nèi)外現(xiàn)有技術(shù)的基礎(chǔ)上,提出一種基于行為模式的可疑人員檢測方法。
　　一般來說,進入大樓內(nèi)辦公人員從大門進入后會走向自己所在的辦公區(qū)域,然后進出自己的辦公室,而可疑人員如小偷則會在各個樓層的各個辦公室門口出現(xiàn)。依據(jù)概率統(tǒng)計學,我們可以定義可疑人

2、員的行為模式為同一個人在一定時間內(nèi)出現(xiàn)在不同樓層的不同位置。本文利用入口處的攝像頭對所有進入大樓的人員進行樣本采集并分類訓練,建立樣本庫。然后對各樓層視頻監(jiān)控中的行人進行提取,并與樣本數(shù)據(jù)進行比較,判斷這個人是否在樣本庫中,并判斷此人出現(xiàn)的次數(shù)及位置,對于出現(xiàn)頻次較高的行人,我們把他視為可疑人員。
　　本次實驗的視頻取自實驗室大樓的監(jiān)控設(shè)備。論文首先采用自適應混合高斯模型背景減除法來進行前景-背景分割,從而提取出運動目標,對提取出

3、的目標通過形態(tài)學等操作去除噪聲、空洞填充提取出主要運動目標。由于實際監(jiān)控場景存在高光區(qū)、墻、腳下陰影等,提出的運動目標可能包含非行人的部分,本文采用HOG梯度特征的方法,提取圖像中的行人,去除上一步未能排除的背景部分,獲得行人在圖像中的位置。由于普通監(jiān)控設(shè)備采集的視頻圖像的質(zhì)量和分辨率都非常低,提取出的行人輪廓并不準確,因此采用GrabCut算法對行人的輪廓進行更準確的提取。論文采用顏色直方圖作為提取出行人的特征表示,利用SVM對入口處