基于統(tǒng)計圖模型的視頻異常事件檢測.pdf

1、傳統(tǒng)視頻監(jiān)控利用人為監(jiān)督方法獲取特定場景的視覺信息，由于受生理和自然條件的限制，人們在觀察和獲取視覺信息時存在很大的局限性，有些信息甚至是人眼無法觀察到的。隨著科學技術的迅速發(fā)展，取而代之的是智能視頻監(jiān)控系統(tǒng)。智能視頻監(jiān)控中的視頻異常事件檢測問題是當今安防領域的一個研究熱點，智能交通監(jiān)控、公共場所人群監(jiān)控以及空巢老人智能監(jiān)控等諸多方面都存在著視頻異常事件檢測問題，其涉及的技術包括圖像處理、模式識別以及人工智能等。
　　視頻異常事件

2、檢測算法中的統(tǒng)計圖模型在實際應用中充當著極其重要的作用。本文探索了不同統(tǒng)計圖模型結構下對視頻異常事件檢測的有效性，最終研究了兩種用于異常檢測的統(tǒng)計圖模型：HMM和LDA級聯(lián)模型以及DMC-HMM模型。主要的研究內(nèi)容和獲取的研究成果包括如下兩部分：
　　提出了基于HMM和LDA級聯(lián)模型的視頻異常事件檢測方法，將得到的LDA語義特征視為HMM觀測量，從而構造出級聯(lián)模型。抽取的SIFT底層特征包含了視頻事件的基本信息，在將視頻圖像視為文

3、檔的前提下得到的SIFT特征信息也可看作文檔中的詞匯。接著運用LDA模型抽取視頻詞匯的語義特征，語義特征描述了視頻事件的關鍵有用信息。HMM異常檢測實驗表明，級聯(lián)模型相比HMM在檢測率方面獲得的效果更好。
　　提出了基于DMC-HMM模型的視頻異常事件檢測方法，DMC-HMM模型由DMC模型與HMM相結合而來。DMC（Dirichlet Multinomial Conjugate）模型中不存在主題的概念，詞匯直接由一個簡單的多項式