低分辨率監(jiān)控視頻下的可疑人員檢測(cè)方法研究.pdf

1、近幾年來(lái)智能視頻檢測(cè)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(gè)復(fù)雜并且有待于進(jìn)一步研究的領(lǐng)域。針對(duì)小區(qū)、辦公大樓等環(huán)境進(jìn)行可疑人員檢測(cè)是視頻監(jiān)控的一個(gè)重要分支,本文在國(guó)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(cè)方法。
　　一般來(lái)說,進(jìn)入大樓內(nèi)辦公人員從大門進(jìn)入后會(huì)走向自己所在的辦公區(qū)域,然后進(jìn)出自己的辦公室,而可疑人員如小偷則會(huì)在各個(gè)樓層的各個(gè)辦公室門口出現(xiàn)。依據(jù)概率統(tǒng)計(jì)學(xué),我們可以定義可疑人

2、員的行為模式為同一個(gè)人在一定時(shí)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(duì)所有進(jìn)入大樓的人員進(jìn)行樣本采集并分類訓(xùn)練,建立樣本庫(kù)。然后對(duì)各樓層視頻監(jiān)控中的行人進(jìn)行提取,并與樣本數(shù)據(jù)進(jìn)行比較,判斷這個(gè)人是否在樣本庫(kù)中,并判斷此人出現(xiàn)的次數(shù)及位置,對(duì)于出現(xiàn)頻次較高的行人,我們把他視為可疑人員。
　　本次實(shí)驗(yàn)的視頻取自實(shí)驗(yàn)室大樓的監(jiān)控設(shè)備。論文首先采用自適應(yīng)混合高斯模型背景減除法來(lái)進(jìn)行前景-背景分割,從而提取出運(yùn)動(dòng)目標(biāo),對(duì)提取出

3、的目標(biāo)通過形態(tài)學(xué)等操作去除噪聲、空洞填充提取出主要運(yùn)動(dòng)目標(biāo)。由于實(shí)際監(jiān)控場(chǎng)景存在高光區(qū)、墻、腳下陰影等,提出的運(yùn)動(dòng)目標(biāo)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(zhǔn)確,因此采用GrabCut算法對(duì)行人的輪廓進(jìn)行更準(zhǔn)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(duì)入口處