基于Markov隨機場的視頻異常挖掘研究.pdf

1、目前，視頻監(jiān)控在學校、車站、銀行和機場等公共場所中發(fā)揮中極其重要的作用，然而傳統(tǒng)的視頻監(jiān)控完全依靠人工進行視頻信息處理，其事件和精度特征都難以滿足系統(tǒng)安全的需要，因此，采取智能的方法來處理這些海量的視頻監(jiān)控數(shù)據(jù)以提高系統(tǒng)的有效性與可靠性是亟待解決的問題。近年來剛剛興起的視頻異常挖掘技術，是應用數(shù)據(jù)挖掘技術實現(xiàn)圖像異常模式分析的多學科交叉課題，它融合了數(shù)據(jù)挖掘、圖像處理、計算機視覺、機器學習、模式識別與人工智能等研究領域，已經在視頻監(jiān)控系

2、統(tǒng)發(fā)揮著重要的作用，其核心任務是從視頻底層特征中，提取出視頻序列中隱含的、潛在有用的知識和其他隱含的圖像模式。
　　本文從圖像處理和數(shù)據(jù)挖掘技術出發(fā)，以視頻異常事件檢測為核心任務，研究了智能視頻監(jiān)控系統(tǒng)的關鍵技術，本文所做的工作的和主要創(chuàng)新點有：
　　(1)提出一種面向固定攝像機環(huán)境下的運動目標檢測方案，利用馬爾可夫隨機場與最大類方差法的混合模型對視頻序列進行前景分割，以達到對運動目標檢測的目的。該方法具有檢測精度好、訓練與

3、檢測效率高、對噪聲不敏感的特點；
　　(2)提出了一種新的基于馬爾可夫鏈模型的異常行為檢測算法，該算法通過對象的局部特征對對象的行為特征向量進行概率密度估計，不僅達到降維的目的，同時降低了行為分類檢測的復雜度。通過實驗分析表明，該方法總體上達到了80％以上的正確檢查率；
　　(3)針對多人之間發(fā)生異常行為進行研究，提出一種能準確的辨識此類異常行為的異常算法。該算法在傳統(tǒng)的能量模式基礎上，根據(jù)馬爾可夫隨機場鄰域相關的特性，加入