基于数据挖掘技术的智能视频监控异常分析方法研究

论文摘要

智能视频监控是机器视觉研究领域的一个热点问题,具有重要的实用价值和广阔的发展前景。智能视频监控技术主要包括对视频序列的自动目标检测、目标跟踪、目标识别和行为理解等方面的内容。在一些场合,对监控场景中人群事件的分析也是智能视频监控研究的重要内容之一。本文运用数据挖掘技术,针对人群的异常识别方法进行了研究,主要包括人群的密度估计和数量估计、人群的聚散模式识别和低密度人群的异常行为识别三部分内容。运用图像的纹理分析方法实现对人群的密度和数量的估计。首先进行目标检测得到目标的前景图像,然后计算人群图像的灰度共生矩阵,以灰度共生矩阵的对比度、熵、能量和均匀度为特征值,运用支持向量机对人群的密度进行估计,同时采用线性回归方法实现人群的数量估计。由于提取目标图像的纹理特征,克服了背景对估计结果的影响,提高了估计的准确性。针对中高密度人群,提出一种基于运动角点统计特性的人群聚散事件识别的改进方法。方法首先提取图像的角点,然后采用背景差法提取前景目标并建立掩模模板,利用模板掩模获取目标角点,最后通过分析目标角点的协方差矩阵行列式值的变化规律,分别采用阈值法和支持向量机的方法,实现人群聚散模式的识别。实验结果表明改进的方法克服了人群聚集后静止目标的角点被判作背景角点的影响,提高了识别的准确性。针对低密度人群的异常行为分析,采用基于目标跟踪的方法实现低密度人群的异常行为识别。首先运用Meanshift算法对目标进行跟踪,提取目标的运动速度、速度变化幅度和轨迹变化幅度等特征,运用决策树实现对目标奔跑、加速跑、徘徊和打斗等异常行为的识别。为克服摄像机拍摄角度对行为识别的影响,本文引入摄像机标定技术,运用标定得到的参数将图像坐标转换为世界坐标,根据目标重心的世界坐标提取目标的运动特征值,继而后续识别工作,提高了行为识别的准确性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 选题背景及其意义
• 1.2 国内外研究动态
• 1.2.1 人群的密度估计与数量估计
• 1.2.2 异常行为分析研究
• 1.2.3 数据挖掘技术在视频人群异常分析中的应用
• 1.3 论文的主要研究内容
• 第2章 运动目标检测
• 2.1 常用的运动目标检测方法
• 2.1.1 光流法
• 2.1.2 帧间差分法
• 2.1.3 边缘检测法
• 2.1.4 背景差法
• 2.2 背景建模方法
• 2.2.1 混合高斯模型法
• 2.2.2 模型参数更新
• 2.3 实验仿真结果
• 2.4 本章小结
• 第3章 监控视频中人群的密度估计和数量估计
• 3.1 人群前景图像的提取
• 3.2 人群纹理特征的提取
• 3.2.1 常用的纹理分析方法
• 3.2.2 基于灰度共生矩阵（GLCM）的纹理分析方法
• 3.3 人群密度和数量估计的实现思路
• 3.3.1 支持向量机的人群密度估计
• 3.3.2 人数估计方程的线性回归
• 3.4 实验及结果分析
• 3.4.1 人群的密度估计
• 3.4.2 人群的数量估计
• 3.5 本章小结
• 第4章 中高密度人群聚散事件识别方法研究
• 4.1 角点检测
• 4.1.1 Forstner 角点检测算子
• 4.1.2 Susan 角点检测算子
• 4.1.3 Harris 角点检测算子
• 4.2 目标角点的获取
• 4.3 人群聚集事件特征提取
• 4.4 聚散事件的识别
• 4.4.1 人群聚集事件的识别
• 4.4.2 聚集事件的后续事件的识别
• 4.5 实验及结果分析
• 4.5.1 目标角点获取仿真实验
• 4.5.2 人群聚散事件识别仿真实验
• 4.6 本章小结
• 第5章 基于目标跟踪的异常行为识别
• 5.1 Meanshift 目标跟踪算法
• 5.1.1 Meanshift 跟踪算法原理
• 5.1.2 Meanshift 跟踪算法的实现步骤
• 5.1.3 基于Meanshift 多目标跟踪实现
• 5.2 基于目标跟踪的运动特征提取
• 5.3 异常行为识别实验及结果分析
• 5.3.1 基于决策树分类的异常行为识别
• 5.3.2 试验及结果分析
• 5.4 基于摄像机标定的异常识别方法改进
• 5.4.1 摄像机标定技术
• 5.4.2 摄像机标定实验仿真结果
• 5.5 基于摄像机标定异常事件识别实验及结果分析
• 5.6 本章小结
• 第6章 结论与展望
• 参考文献
• 在学期间发表的学术论文和参加科研情况
• 致谢
• 详细摘要