面向智能安全监控的异常行为检测与识别技术研究

论文摘要

近些年来,随着信息技术的高速发展与危害公共安全事件的不断升级,智能视频监控技术受到了越来越多的关注。与迫切的技术需求相比,传统的智能监控系统存在着大量的缺点。其中最重要的一点就是监控系统的智能程度过低,主要依靠人工值守,不但耗费了大量的人力和财力,同时也难以保证监控的敏感性、实时性和稳定性。因此怎样提高监控系统的智能程度和实时性,是该研究领域亟待解决的问题。本文以视频图像处理和模式识别方法为基础,从两个方面对公共领域中可能存在的与人员行为直接相关的异常事件进行检测与识别：第一个方面主要针对场景中单个行人的异常行为进行检测与识别；第二个方面是以场景中多人异常行为的检测与识别为核心任务。具体的研究内容包括以下几个方面：(1)面向室外的运动目标检测算法。本文在常规的背景差法的基础上,通过自适应背景建模、HSV色彩空间变换以及阴影去除等方法,部分消除了常规背景差法中存在噪声干扰现象,从而获取运动目标(主要为运动人员)在背景中的准确位置与区域。(2)以Hu不变矩、高宽比、运动速度作为基本特征,分别采用支撑向量机和基于Hausdorff距离的最近邻法两种分类方法,通过对大量视频样本的学习,实现对个体行为中的走、跑、跳、跑跳、弯腰、挥手等多种行为的检测与识别。(3)针对多人异常事件识别,首先采用光流法获取了场景内的运动矢量分布特性,并在运动矢量特征的基础上,通过计算运动区域的动能与势能获得能够表征多人事件的基本特征,通过对不同个体事件中动能与势能时间分布曲线进行分析,以阈值法实现相遇、斗殴以及会面等多人异常事件的检测与识别。仿真结果证明,本文提出的方法能够比较准确的对视频中出现的6种个人异常行为与3种群体异常行为进行检测与识别,并具有较高的稳定性和可靠性。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究和发展现状
• 1.2.1 监控技术的研究现状
• 1.2.2 监控系统应用现状
• 1.2.3 监控技术的发展趋势
• 1.3 论文主要研究内容与章节安排
• 第2章 运动目标自适应背景差分法
• 2.1 常规运动目标检测方法
• 2.1.1 背景差分法研究与实现
• 2.1.2 帧间差分法研究与实现
• 2.1.3 光流法研究与实现
• 2.2 基于RGB三通道的自适应背景差分法
• 2.2.1 背景建模研究与实现
• 2.2.2 基于RGB三通道自适应背景差分法实现
• 2.3 阴影去除研究与实现
• 2.3.1 阴影去除方法概述
• 2.3.2 HSV彩色空间
• 2.3.3 基于HSV空间的阴影检测研究与实现
• 2.4 本章小结
• 第3章 基于静态与动态特征相结合的人体行为特征提取
• 3.1 静态特征提取研究
• 3.1.1 运动目标宽高比特征提取
• 3.1.2 运动目标Hu不变矩提取
• 3.2 动态特征提取研究
• 3.3 动态特征与静态特征的融合
• 3.4 本章小结
• 第4章 基于SVM和HAUSDORFF距离模板匹配算法分类
• 4.1 支持向量机概述
• 4.1.1 SVM理论基础
• 4.1.2 核函数和松弛变量
• 4.2 基于SVM的个体行为识别
• 4.3 Hausdorff距离匹配算法
• 4.3.1 Hausdorff距离定义
• 4.3.2 基于Hausdorff距离匹配的个体行为识别算法
• 4.4 基于Hausdorff距离匹配的个体行为识别结果
• 4.5 Hausdorff距离匹配与SVM分类器的比较与分析
• 4.6 本章小结
• 第5章 基于能量的多人异常事件辨识
• 5.1 光流法概述
• 5.2 基于光流法的基本运动特征提取
• 5.3 基于能量描述的特征提取算法
• 5.3.1 能量提取过程
• 5.3.2 视频的能量描述
• 5.4 能量曲线分析
• 5.4.1 小波消噪研究与分析
• 5.4.2 多人行为的分析结果
• 5.5 本章小结
• 第6章 总结与展望
• 6.1 论文研究工作总结
• 6.2 研究展望
• 参考文献
• 致谢
• 作者简介