考场异常行为视频检测关键技术研究

论文摘要

电子监考系统在我国已经得到广泛应用,但目前的考场视频监控仍采用人工观察和记录的方法。人工监控不仅耗时费力,容易产生漏检,而且判断结果存在主观性和不准确性等缺陷。本文针对考场视频分析的应用需求,结合计算机视觉技术、视频分析技术和模式识别技术,研究基于视频分析的考场异常行为有效识别方法。本文主要研究工作和结论如下:（1）针对考场智能监控的应用需求,提出基于视频的考场异常行为识别的整体方案。设计了系统的软硬件组件以及相关设置,确定了合理有效的考场视频采集方案。针对背景混乱、干扰运动多且检测目标存在局部遮挡造成的分割困难问题,从提高分割准确性出发,在分析、对比各种视频分割方法优缺点的基础上,提出利用时空融合对视频进行有效分割的方法。（2）研究使用交互式视频分割方法对训练视频进行有效分割,并提取3D时空模板。交互式分割方法加入了人工干预,能够对视频中的运动目标边界做出精确的分割。研究基于无监督聚类的方法对测试视频进行过分割。针对该方法计算量大,执行速度慢的问题,提出了8叉树预处理和层级聚类的方法,有效提高了分割效率。实验结果表明,使用改进的Mean Shift聚类算法在不影响分割效果的情况下,分割效率提高2-3个数量级。（3）研究基于形状的时空模板匹配方法。针对其在纹理丰富区域匹配时容易产生误匹配的问题,采用结合光流信息进行补充的方法。实验结果表明,采用改进后的方法,有效降低了误识率。（4）选用Linux操作系统,使用Matlab仿真系统和C++编程语言,结合Intel OpenCV,设计了基于视频的考场异常行为智能检测系统,能够高效地进行视频分割,检测和识别视频中运动对象。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究目的与意义
• 1.2 国内外研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究概况
• 1.3 研究内容与方法
• 1.3.1 时空行为模板的构建
• 1.3.2 时空融合的视频分割方法
• 1.3.3 动作检测方法
• 1.4 论文组织结构
• 第二章 视频分割方法研究
• 2.1 视频分割方法概述
• 2.1.1 视频分割技术
• 2.1.2 目标分类
• 2.2 训练模板提取方法
• 2.3 测试视频分割方法
• 2.3.1 方法简介
• 2.3.2 时空区域提取
• 2.3.2.1 Mean Shift
• 2.3.2.2 有效区域聚类
• 2.3.2.3 层次聚类算法
• 2.4 实验结果与分析
• 2.5 本章小结
• 第三章 时空模板匹配方法
• 3.1 模板匹配方法概述
• 3.1.1 模板匹配法原理
• 3.2.2 金字塔模型
• 3.2 基于形状的时空模板匹配方法
• 3.2.1 模板匹配距离计算
• 3.2.2 模板更新与速度优化
• 3.2.3 分割粒度
• 3.3 光流方法
• 3.4 光流和形状结合的方法
• 3.5 本章小结
• 第四章 动作检测软件系统与实验结果分析
• 4.1 考场视频获取
• 4.1.1 网络智能高速球YW7200
• 4.1.2 视频采集软件NVS Center
• 4.1.3 样本获取方法
• 4.2 系统功能需求分析
• 4.3 动作识别系统框架及软件设计
• 4.3.1 动作识别系统框架
• 4.3.2 软件设计
• 4.4 实验与结果分析
• 4.5 本章小结
• 第五章 结论与展望
• 5.1 结论
• 5.2 展望
• 参考文献
• 致谢
• 作者简介