視頻監(jiān)控中的人體異常行為識別方法研究.pdf

1、人體異常行為識別是指對視頻序列中的人體行為進行自動分析,并判斷運動人體行為是否異常的技術,是計算機視覺領域的研究熱點問題。人體異常行為識別技術研究在智能視頻安全監(jiān)控領域中有著廣泛的應用價值,具有重要的實際意義。這種基于異常行為分析的智能視頻監(jiān)控系統不僅能夠忽略監(jiān)控系統中的無用信息,還能夠高效地完成保障安全的任務,節(jié)省大量的人力、財力、物力,給社會帶來巨大的經濟效益。本文主要對跑、彎腰走、跳、下蹲、摔倒、徘徊、砸車七種人體異常行為進行識別

2、,研究內容涉及運動人體檢測、跟蹤、特征提取和行為識別技術。
　　論文在分析對比幀間差分法、光流法、背景減除法等常用運動目標檢測方法的優(yōu)缺點的基礎上,選用基于K均值聚類的混合高斯模型背景減除法進行運動目標檢測,并利用數學形態(tài)學圖像處理方法對運動檢測的空洞進行后處理,得到比較完整的運動人體目標;利用卡爾曼濾波算法和 Mean shift算法相組合的跟蹤算法,提高運動目標跟蹤的實時性。
　　論文對LBP算子和Hu矩進行了深入研究。

3、利用LBP算子提取的特征能充分描述圖像的紋理特征和Hu矩能夠較好地描述運動區(qū)域信息的特點,提出采用基于旋轉不變性均勻模式 LBP特征和較低階數的四個Hu矩4321M, M, M, M相結合的運動特征描述方法,該方法對運動特征的提取具有較好的魯棒性。實驗結果表明,該種運動特征描述方法能夠較好地表征運動人體的行為。
　　在行為識別方面,選用基于狀態(tài)圖轉移模型的方法,利用隱馬爾可夫模型對時間和空間尺度上運動的微小變化具有較好的魯棒性的特