基于視頻的運動人體異常行為分析識別研究.pdf

1、智能視頻監(jiān)控是利用計算機技術(shù)實現(xiàn)自動視頻分析的技術(shù)。作為一種有效安防的手段，智能視頻監(jiān)控系統(tǒng)正越來越受到人們的青睞。對于視頻序列中行人異常行為的分析識別是智能視頻監(jiān)控領(lǐng)域中日益受到重視的一個研究方向?；诋惓Ｐ袨榉治龅闹悄芤曨l監(jiān)控系統(tǒng)不僅能忽略大量監(jiān)控系統(tǒng)中對安防無用的信息，從而高效地完成保障安全的任務，還能節(jié)省大量的人力物力，給社會帶來很大的經(jīng)濟收益。并且能夠?qū)崿F(xiàn)即時報警，解決了傳統(tǒng)監(jiān)控系統(tǒng)的事后性。本文從理論和實際應用的角度，對以視

2、頻為輸入的異常行為識別進行了一些新的探索，以下所提出的算法均在實踐中進行了應用。本文的主要貢獻如下：
　　 1)提出了基于模板匹配的最小標準方差行為分類算法，解決了監(jiān)控中不同人的類似動作但不完全相同的情況，有效解決了非固定速度的行為分類問題，能比較好地執(zhí)行行為的分類任務。圍繞著人的動作是時間序列上姿態(tài)的集合這樣的事實，利用人的動作行為的周期特性，先將圖像序列轉(zhuǎn)換為一組靜態(tài)形狀模式，然后在識別過程中和預先存儲的行為標本相比較。在建

3、立標準庫的過程中，提出了在最不相似的標準模板的生成算法，利用Procrustes中值形狀距離作為圖象的相似度標準，找出在一個視頻測試周期內(nèi)與標準庫內(nèi)動作標準方差最小的行為，實驗證明最小標準方差算法解決了非連續(xù)性識別的要求，克服了模板匹配對運動時間間隔變化敏感的問題；提出了基于模板匹配的平均值與最小方差加權(quán)的行為分類算法，利用Zernike速度矩距離作為圖象的相似度標準，找出在一個視頻測試周期內(nèi)與標準庫內(nèi)標準動作平均值與最小方差加權(quán)最小值

4、，從根本上解決了在同一段時間內(nèi)不同動作變速動作的分類，解決了某個圖象集合中標準方差最小，但可能兩個圖象集最不相似的問題，增加了動作分類的準確率。
　　 2)提出了基于模糊聯(lián)想記憶網(wǎng)絡的行為分類方法，解決了動作姿態(tài)之間聯(lián)系的問題，使得計算機識別過程向人的思維靠攏。把每個靜態(tài)姿勢作為一個狀態(tài)，這些狀態(tài)之間通過某種概率聯(lián)系起來。任何運動序列可以看作為這些靜態(tài)姿勢的不同狀態(tài)之間的一次遍歷過程，在這些遍歷期間計算聯(lián)合概率，其最大值被選擇作

5、為分類行為的標準。人的運動輪廓特性被用作學習和識別的低級特征；學習是利用HMMs來為每個類別產(chǎn)生行為矩陣，作為模糊聯(lián)想網(wǎng)絡的知識，通過對實時視頻流的認知，利用神經(jīng)網(wǎng)絡最終判斷行為的種類，在不同情況下模糊聯(lián)想網(wǎng)絡的知識還可以隨時學習更新。實驗結(jié)果表明，算法得到了較好的識別結(jié)果，并具有一定的抗噪性。
　　 3)提出了基于模糊理論的判斷異常行為識別方法，解決了判斷前需要先定義異常行為的問題，實現(xiàn)了對異常行為的直接判斷。首先為模型化人體

6、結(jié)構(gòu)設(shè)計了簡化的人體關(guān)節(jié)模型圖；其次根據(jù)行人軀干和四肢輪廓角度的變化，設(shè)計了用于模糊化的函數(shù)式；再次提出了利用軀干和四肢的模糊隸屬度通過計算來得到整個人異常度的一種基于模糊理論異常行為判別的算法；最后在系統(tǒng)實現(xiàn)中，提出了利用質(zhì)心軌跡和模糊判別的聯(lián)合方法來甄別行人是否異常的方法，模糊判別可以實現(xiàn)在視頻監(jiān)控范圍內(nèi)對行人行為的主動分析，從而能夠?qū)π腥水惓５膭幼髯龀鲎R別并進行報警處理。通過實驗證明該方法具有較高的識別率。
　　 4)提出

7、了可變場所的異常行為識別方法，解決了在監(jiān)控應用中不同場景具有不同的異常判斷規(guī)則的問題，使異常判斷算法能應用在多種場所。采用雙層詞包模型判斷在不同場景中行為是否為異常，把視頻信息放在第一層包中，把場景動作文本詞放在第二層包中。視頻由一系列時空興趣點組成的時空詞典表示，動作性質(zhì)由在指定場景下的動作文本詞集合來確定。使用潛在語義分析概率模型(pLSA)不但能自動學習時空詞的概率分布，找到與之對應的動作類別，也能在監(jiān)督情況下學習在規(guī)定場景下運動

8、文本詞概率分布并區(qū)分出對應異常或正常行動結(jié)果。經(jīng)過訓練學習后，該算法可以識別新視頻在相應場景下行為的異?；蛘！?br>　　 5)提出一種能自動選擇人體最大特性區(qū)域的覆蓋比算法，解決了目前行人跟蹤方法中，跟蹤區(qū)域需要人工事先設(shè)定的問題。人體運動屬于非剛性物體的時變和空變問題，在運動中的輪廓也是不斷變化的。利用覆蓋比算法能自動找到行人在初始時刻所需跟蹤的最佳區(qū)域，然后選取特性區(qū)域內(nèi)的加權(quán)顏色直方圖作為跟蹤特征，利用Bhattachary