基于數(shù)據(jù)挖掘的監(jiān)控視頻異常目標的識別.pdf

1、當前視頻監(jiān)控系統(tǒng)只起到監(jiān)控和存儲作用，視頻中許多重要事件和異常事件的發(fā)現(xiàn)都依賴于人工操作，費時費力，且會錯過很多重要信息。監(jiān)控系統(tǒng)之所以沒有實現(xiàn)智能化，其本質原因是計算機所理解的低層次圖像信息與人類所理解的高層次語義信息之間存在“鴻溝”。如何跨越這道“鴻溝”，是監(jiān)控系統(tǒng)智能化的關鍵。數(shù)據(jù)挖掘可以從海量數(shù)據(jù)中發(fā)現(xiàn)潛在的、不為人知的、有價值的信息。將數(shù)據(jù)挖掘應用到視頻數(shù)據(jù)的分析與識別，實現(xiàn)低層次圖像信息與高層次語義信息的關聯(lián)，是目前數(shù)據(jù)挖掘

2、的一個新的研究方向。
　　 異常目標是指該目標對象的運動特征、表情特征、軌跡特征等不同于正常行為模式下對象的特征。而異常目標識別需要利用對象的一組有效特征為該對象建立一種描述模型。視頻監(jiān)控中同一時間段內可能會出現(xiàn)非常多的運動目標，將異常對象從眾多目標中提取出來就涉及到將這些對象按其行為模式（正常或異常）進行分類。利用數(shù)據(jù)挖掘技術識別監(jiān)控視頻中異常目標是指是計算機首先自動將視頻段中的對象分割并進行特征提取，然后選取合適的挖掘算法對

3、提取的特征進行挖掘，同時構造分類器，最后利用分類器對檢測視頻中的對象進行分類。
　　 本文研究方向是將數(shù)據(jù)挖掘技術應用于監(jiān)控視頻中異常目標的識別，主要研究內容如下:
　　 (1)分析和研究了數(shù)據(jù)挖掘中常用的分類算法，包括決策樹分類、貝葉斯分類、神經網絡分類、K-最近鄰分類、關聯(lián)規(guī)則分類等，并通過實驗比較了各種算法的分類準確率。結合分類算法的評定標準和智能監(jiān)控系統(tǒng)所要實現(xiàn)的功能，選取基于關聯(lián)規(guī)則的分類算法作為主要的挖掘算法

4、。
　　 (2)對傳統(tǒng)的關聯(lián)分類算法進行了深入的研究，并結合仿真實驗分析了該算法支持度和置信度閾值設置可能引起的一些不良后果。
　　 (3)針對傳統(tǒng)關聯(lián)分類算法支持度和置信度閾值敏感性這一缺點，提出了利用模擬退火算法對支持度和置信度閾值智能優(yōu)化的關聯(lián)分類算法SC。該算法利用智能優(yōu)化方法使支持度和置信度閾值通過機器自學習來設定，這一改進克服了傳統(tǒng)算法依經驗值確定最小支持度和置信度可能導致分類準確率較低的不足，使閾值設定可以

5、與問題規(guī)模良好結合，分類準確率達到全局最優(yōu)。通過與傳統(tǒng)關聯(lián)分類算法CBA、爬山算法優(yōu)化的分類算法HC的分類結果進行比較，驗證了模擬退火優(yōu)化的分類算法SC具有較高分類準確率。
　　 (4)提出了基于數(shù)據(jù)挖掘技術的具有異常目標識別功能的智能監(jiān)控系統(tǒng)框架，該框架結構基于關聯(lián)分類算法對視頻對象進行識別。該系統(tǒng)主要由數(shù)據(jù)挖掘子系統(tǒng)和用戶子系統(tǒng)構成。對于用戶選定的視頻，系統(tǒng)可以自動進行對象分割、特征提取、關聯(lián)分類，進而識別異常目標并將其存入