基于室內(nèi)場景的異常行為檢測及系統(tǒng)實現(xiàn).pdf

1、進入二十一世紀以來，高新科技在社會上的運用越來越廣泛，作為現(xiàn)在社會中安保系統(tǒng)的核心部分，對人群和實物的監(jiān)控也越來越智能化了。目前，由于全世界范圍內(nèi)從事監(jiān)控方面的技術(shù)人員對監(jiān)控技術(shù)地持續(xù)研發(fā)和創(chuàng)新，使得智能監(jiān)控這一方向成為業(yè)界的一個焦點研究方向。相關(guān)監(jiān)控技術(shù)的向前發(fā)展也推動了全世界范圍內(nèi)諸如金融、交通、國防等事關(guān)國家安全的重要領(lǐng)域的實時性、精確性等智能化監(jiān)控的建設(shè)。
　　本文分別研究了此場景下比較通用的目標跟蹤算法及異常行為檢測算法

2、，將整個系統(tǒng)主要分為目標跟蹤模塊和異常行為檢測(識別)模塊。在目標跟蹤模塊中，基于均值偏移(Mean Shift)算法具有的計算量小、延遲少等優(yōu)點及其所存在的模板更新智能化程度低、誤判率高等缺點，同時研究了粒子濾波算法所具有的模板更新快、準確率高等優(yōu)點及其所存在的計算量大、粒子多樣性差、遮擋問題嚴重等缺點，作者提出了基于卡爾曼(Kalman)濾波法的目標跟蹤算法以解決上述算法的不足之處；在異常行為檢測(識別)模塊中，作者提出基于隱馬爾科

3、夫模型(Hidden Markov Model)的異常行為檢測算法來實現(xiàn)本模塊的功能，實驗證明使用該方法進行異常行為檢測效果比較優(yōu)良。研究了業(yè)界普遍使用的監(jiān)控方法及在特定場景下所對應(yīng)的監(jiān)控方法的一些不足，進而提出了適合本文所對應(yīng)場景的監(jiān)控方法。具體而言，本文針對目標跟蹤模塊和異常行為識別模塊分別提出了基于Kalman濾波法的目標跟蹤算法及基于隱馬爾科夫模型的行為識別算法來實現(xiàn)這兩個模塊的功能。作者所在的項目組根據(jù)上述提出的關(guān)于跟蹤及異常