基于視頻的無監(jiān)督異常事件檢測.pdf

1、隨著物質(zhì)生活的日益豐富，安全問題成了每個民眾關(guān)心的話題，異常事件檢測作為安防系統(tǒng)的重要組成部分吸引著越來越多的科研工作者投入到該項研究中。目前的異常事件檢測分為有監(jiān)督和無監(jiān)督異常事件檢測。有監(jiān)督異常事件檢測需要人工標(biāo)記正常事件和異常事件，標(biāo)簽庫獲取困難，并且只能檢測訓(xùn)練數(shù)據(jù)庫中已存在或類似的異常事件，對于其他未經(jīng)訓(xùn)練的異常事件檢測效果差，為此出現(xiàn)了無監(jiān)督異常事件檢測。無監(jiān)督異常事件檢測無需人工標(biāo)記，可以檢測多種異常事件，但目前的方法主要

2、針對特定場景進(jìn)行檢測，換一種場景效果會大大減弱，并且計算復(fù)雜度過高，難以適應(yīng)監(jiān)控視頻的實時性要求。本論文就無監(jiān)督異常事件檢測方面展開研究，不依賴于特定視頻場景，對視頻段提取特征，建立基本事件表征模型，進(jìn)行實時的異常事件檢測與更新，同時給出了視頻中異常事件檢測系統(tǒng)的設(shè)計方法與具體實現(xiàn)。
　　本文的具體研究內(nèi)容如下：
　　一、針對靜態(tài)視頻固有特點，結(jié)合當(dāng)前主流的運動對象軌跡提取方法，提出基于邊緣特征匹配的幀間差運動對象提取算法，

3、該算法能夠完整地提取出運動對象，并對運動對象跟蹤，加入邊緣和方向信息，使得軌跡提取更為準(zhǔn)確。
　　二、通過對運動對象進(jìn)行跟蹤，結(jié)合運動對象及其軌跡分布，分析運動軌跡規(guī)律，提取軌跡特征，將高斯混合模型運用到異常事件檢測中，通過概率來表征異常事件出現(xiàn)的可能性，使得事件不再是簡單的正常與異常。
　　三、針對群體運動特征難以描述的問題，提出從視頻整體性出發(fā)，以視頻段的群體作為基本單位，對運動的劇烈程度和混亂程度進(jìn)行描述，將運動強度和

4、運動方向熵引入到異常事件檢測中，分析運動強度和運動方向熵的分布曲線，建立異常事件概率表示方法，使得異常事件檢測在相對擁擠視頻場景中具備良好效果。
　　四、對視頻中群體關(guān)聯(lián)關(guān)系進(jìn)行表征，采用運動對象間相識度的概念，從同步性和交流性對相識度進(jìn)行度量，并根據(jù)相識度進(jìn)行異常事件的預(yù)判，使得異常事件不再是發(fā)生后進(jìn)行檢測，為異常事件檢測提供了一種可能的研究方向。
　　實驗證明了本論文提出的特征能夠較好地描述事件，建立的事件模型能夠適應(yīng)于