視頻中異常行為發(fā)現(xiàn)方法研究及實(shí)現(xiàn).pdf

1、隨著人類物質(zhì)生活生活水平的提高,安全問(wèn)題越來(lái)越被人們所重視,用于社會(huì)和諧、生命財(cái)產(chǎn)安全的安防系統(tǒng)近年來(lái)也隨之發(fā)展迅速。作為安防監(jiān)控領(lǐng)域中的核心組成部分,異常行為檢測(cè)起著關(guān)鍵性的作用。異常行為檢測(cè),即使用計(jì)算機(jī)在監(jiān)控視頻中自動(dòng)、準(zhǔn)確的發(fā)現(xiàn)異?？梢尚袨椴⑦M(jìn)行報(bào)警,主要應(yīng)用在機(jī)場(chǎng)安全、地鐵安全、住宅小區(qū)安全、校園安全等監(jiān)控系統(tǒng)中。
　　早期的智能監(jiān)控系統(tǒng)是利用計(jì)算機(jī)對(duì)特定異常行為的自動(dòng)識(shí)別檢測(cè),該方向已逐漸發(fā)展成熟,也有相應(yīng)的產(chǎn)品出現(xiàn)。

2、但因需要預(yù)先對(duì)行為進(jìn)行學(xué)習(xí)定義,具有特異性,無(wú)法進(jìn)行廣泛應(yīng)用。近年來(lái),對(duì)能夠在任意場(chǎng)景下自動(dòng)學(xué)習(xí)異常行為并檢測(cè)的研究開(kāi)始逐漸興起,雖然有了一些研究成果,但對(duì)于如何自動(dòng)的分析并定義異常行為、如何進(jìn)行異常判決等問(wèn)題都沒(méi)有很好的解決。
　　本文主要研究在任意場(chǎng)景下均能使用的異常行為檢測(cè)算法。通過(guò)攝像頭在任意一個(gè)場(chǎng)景下拍攝一段較長(zhǎng)時(shí)間的視頻作為訓(xùn)練數(shù)據(jù)集,分析其中出現(xiàn)的行為,統(tǒng)計(jì)出同類行為的頻率,根據(jù)頻率的高低對(duì)行為進(jìn)行正常/異常的定義,

3、并據(jù)此進(jìn)行實(shí)時(shí)檢測(cè)判決。主要研究?jī)?nèi)容如下:
　　1,提出了一種輪廓序列的描述子,及相應(yīng)的提取算法。算法利用幀間差和背景差的融合結(jié)果提取出運(yùn)動(dòng)目標(biāo)區(qū)域。針對(duì)復(fù)雜場(chǎng)景下目標(biāo)輪廓的斷裂情況,提出外切線探測(cè)算法獲取目標(biāo)的外輪廓。在多目標(biāo)處理時(shí),設(shè)計(jì)跟蹤系統(tǒng),實(shí)現(xiàn)對(duì)目標(biāo)的跟蹤、融合、分離。
　　2,針對(duì)描述子的維度不等產(chǎn)生的度量問(wèn)題,提出了一種采樣、量化的處理方案,并以量化所得的輪廓單詞作為狀態(tài)空間集構(gòu)建馬爾科夫概率模型;構(gòu)建相應(yīng)的異

4、常判決準(zhǔn)則,用以對(duì)獲取的輪廓序列描述子進(jìn)行統(tǒng)計(jì)建模和測(cè)試判決。
　　3,研究了基于滑窗探測(cè)運(yùn)動(dòng)的異常行為檢測(cè),提出了基于聚類的混合高斯模型,用于異常判決。
　　4,將基于馬爾科夫概率模型的異常行為檢測(cè)算法用 C/C++語(yǔ)言和 OpenCV、MFC類庫(kù)完成軟件實(shí)現(xiàn),并進(jìn)行實(shí)時(shí)性測(cè)試。
　　實(shí)驗(yàn)證明本文提出的輪廓序列描述子和馬爾科夫概率模型能在復(fù)雜環(huán)境中較好的完成異常行為檢測(cè),基于聚類的混合高斯模型能較好的在多目標(biāo)的場(chǎng)景下