智能視頻監(jiān)控中的目標(biāo)識(shí)別與異常行為建模與分析.pdf

1、智能視頻監(jiān)控(Intelligent Video Surveillance)是計(jì)算機(jī)視覺領(lǐng)域中近幾年來倍受關(guān)注的一個(gè)應(yīng)用領(lǐng)域,它是利用計(jì)算機(jī)視覺和圖像處理等技術(shù)對(duì)視頻信號(hào)進(jìn)行處理、分析和理解,并對(duì)視頻監(jiān)控系統(tǒng)進(jìn)行控制,比如監(jiān)控系統(tǒng)可以自動(dòng)識(shí)別不同的物體；發(fā)現(xiàn)監(jiān)控畫面中的異常情況,并能夠以最快和最佳的方式發(fā)出警報(bào)和提供有用信息,從而能夠更加有效的協(xié)助監(jiān)控人員獲取準(zhǔn)確信息和處理突發(fā)事件；或者過濾掉監(jiān)控者不關(guān)心的信息,僅僅為監(jiān)控者提供有用的關(guān)

2、鍵信息,從而提高視頻監(jiān)控系統(tǒng)智能化和自動(dòng)化水平。這樣才能有效解決傳統(tǒng)的視頻監(jiān)控系統(tǒng)由于存在著數(shù)據(jù)量大,響應(yīng)時(shí)間長和人類自身固有的弱點(diǎn)等缺陷導(dǎo)致的監(jiān)控效率低下和繁瑣的工作量等問題。
　　 由于智能視頻監(jiān)控是一個(gè)涵蓋廣泛的系統(tǒng)性工程,涉及圖像處理、計(jì)算機(jī)視覺、模式識(shí)別、人工智能技術(shù)、通信技術(shù)和網(wǎng)絡(luò)技術(shù)等諸多技術(shù)領(lǐng)域的綜合應(yīng)用,本文重點(diǎn)研究了智能視頻監(jiān)控技術(shù)中的一個(gè)應(yīng)用方向:異常行為的檢測與識(shí)別,并就其涉及的一些相關(guān)具體問題做了深入的

3、研究,主要的研究內(nèi)容和貢獻(xiàn)包括:
　　 1、研究和實(shí)現(xiàn)了智能視頻處理的中的一些基礎(chǔ)技術(shù),包括利用自適應(yīng)高斯混合模型來對(duì)背景進(jìn)行建模來進(jìn)行運(yùn)動(dòng)目標(biāo)的提取,達(dá)到了很好的抑制噪聲和提高目標(biāo)完整度的目的；利用Mean-shift跟蹤算法對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤,避免了運(yùn)動(dòng)檢測中的目標(biāo)粘連問題；并進(jìn)一步利用多子塊灰度相關(guān)匹配方法從一定程度上解決了跟蹤過程中容易出現(xiàn)的目標(biāo)丟失和混亂問題,保證了后續(xù)研究工作的可靠性。
　　 2、創(chuàng)建了一個(gè)包

4、含一萬七千多個(gè)樣本的運(yùn)動(dòng)目標(biāo)訓(xùn)練庫和測試庫,其中包含行人、機(jī)動(dòng)車輛、其他目標(biāo)這三個(gè)類別的目標(biāo)輪廓圖,可以用于運(yùn)動(dòng)目標(biāo)的特征提取與分類識(shí)別的實(shí)驗(yàn)研究。
　　 3、深入研究了目標(biāo)檢測與識(shí)別問題,總結(jié)為靜態(tài)目標(biāo)識(shí)別和動(dòng)態(tài)目標(biāo)兩個(gè)研究方式并綜述了各自的研究方法和特點(diǎn)；研究了降維算法理論在模式識(shí)別領(lǐng)域中的應(yīng)用,研究了更能反映降維算法的本質(zhì)特征的圖嵌入模型,提出了一種基于研究中建立的大樣本訓(xùn)練庫和邊緣fisher判別的運(yùn)動(dòng)目標(biāo)識(shí)別框架,克服

5、了一些傳統(tǒng)方法對(duì)于特征提取過程的苛刻要求和識(shí)別對(duì)象種類局限的種種不足,達(dá)到了更好的通用性和高效性。
　　 4、探討和研究了智能視頻監(jiān)控系統(tǒng)中新興的研究領(lǐng)域:視頻場景中的異常檢測問題,分析并總結(jié)了異常行為的本質(zhì)特征,通過對(duì)于行為特征的定義和統(tǒng)一的建模方法,提出了一種既可以在監(jiān)督情況下,又適用于非監(jiān)督情況下的異常行為檢測的思路和系統(tǒng)結(jié)構(gòu)。
　　 5、運(yùn)動(dòng)軌跡信息是運(yùn)動(dòng)目標(biāo)行為的一個(gè)最重要的特征之一,本文提出了一種新的度量運(yùn)動(dòng)

6、軌跡相似度的算法一分段上下文編輯距離(SCED)算法,利用運(yùn)動(dòng)過程中的不同階段來挖掘運(yùn)動(dòng)特征,在懲罰函數(shù)中增加了位置、方向、速度上的差異信息,讓它在運(yùn)動(dòng)軌跡的距離計(jì)算中顯的更為合理,并具有很好的計(jì)算效率。
　　 6、基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的原理,本文設(shè)計(jì)了一種新的名叫SMI,一HMM的模型來對(duì)復(fù)雜行為的因果時(shí)序關(guān)系進(jìn)行建模、和異常行為的識(shí)別。用最少的狀態(tài)聯(lián)系來對(duì)行為進(jìn)行描述,達(dá)到了模型參數(shù)的表達(dá)和推理的優(yōu)化目的,減少了計(jì)算的復(fù)雜度,