【摘要】：現(xiàn)在當(dāng)今社會(huì)不斷的發(fā)展和科技的前進(jìn),視頻監(jiān)控系統(tǒng)發(fā)展逐漸壯大,已經(jīng)涉及到了人類生活的各類場(chǎng)合。但是現(xiàn)在大多數(shù)的視頻監(jiān)控體系還處于傳統(tǒng)模式,即:只記實(shí)不判定。目前主要通過安保工作人員進(jìn)行不間斷地監(jiān)控可能隨機(jī)發(fā)生的突發(fā)行為和可疑行為,在此過程中需要大量的人力和物力進(jìn)行安全管理,但是本身人體會(huì)感到勞累,不可能會(huì)一直持續(xù)的關(guān)注,這就很輕易造成漏檢的情形,失去了及時(shí)監(jiān)控的意義。視頻監(jiān)控的安全行為管理檢測(cè)技術(shù)是對(duì)異常不安全行為進(jìn)行自動(dòng)識(shí)別處理,這項(xiàng)技術(shù)研究有著很大的發(fā)展前景,它不僅可以減少人工管理,而且也可以提前預(yù)防事故發(fā)生。視頻監(jiān)控的安全行為管理檢測(cè)技術(shù)研究中重要的技術(shù)方法是先對(duì)視頻的前景目標(biāo)進(jìn)行檢測(cè)和識(shí)別。合理的運(yùn)用這項(xiàng)技術(shù)將會(huì)給人類帶來巨大便利,它能夠自動(dòng)對(duì)視頻進(jìn)行檢測(cè)和識(shí)別,發(fā)現(xiàn)異常不安全行為,并發(fā)出警報(bào)進(jìn)行處理,極大的方便了人類。要做到在發(fā)生不同尋常的狀況時(shí),攝像裝置可以自行報(bào)警,首先要對(duì)拍攝到的圖像視進(jìn)行提取,然后對(duì)提取到的圖像進(jìn)行識(shí)別辨別處理。目前,視頻監(jiān)控行為識(shí)別也有不少學(xué)者進(jìn)行研究,但是還有好多問題存在(如物體存在噪點(diǎn)、空洞和監(jiān)控?cái)z像頭抖動(dòng)時(shí)產(chǎn)生背景邊緣誤判等等)。為了解決視頻監(jiān)控的安全行為管理檢測(cè)技術(shù)研究中出現(xiàn)的一些問題,因此本文提出了改進(jìn)了視頻監(jiān)控前景對(duì)象提取算法與視頻監(jiān)控異常不安全行為識(shí)別算法研究,主要研究工作和創(chuàng)新成果如下:1、改進(jìn)了視頻監(jiān)控前景對(duì)象提取算法,為了改良經(jīng)常使用視頻監(jiān)控前景對(duì)象提取算法提取到物體存在噪點(diǎn)、空洞和監(jiān)控?cái)z像頭抖動(dòng)時(shí)產(chǎn)生背景邊緣誤判等情況,本文提出對(duì)提取到的前景對(duì)象的視頻先進(jìn)行高斯濾波,然后再對(duì)視頻進(jìn)行中值濾波,最后進(jìn)行二次分辨算法,以此減少前景對(duì)象空洞并使背景邊緣平滑的改進(jìn)方法。當(dāng)物體處于在靜態(tài)背景的情況下,利用自適應(yīng)結(jié)合高斯模型來進(jìn)行獲得所需對(duì)象;當(dāng)物體在動(dòng)態(tài)背景情況下,通常利用PBAS獲得所需對(duì)象;當(dāng)監(jiān)控?cái)z像頭抖動(dòng)時(shí)使用二次分辨算法,并加上提出的改進(jìn)方法進(jìn)行對(duì)比試驗(yàn)。2、改進(jìn)了異常不安全行為檢測(cè)識(shí)別算法,通過視頻監(jiān)控,可以在公共場(chǎng)所監(jiān)控人員活動(dòng),以防止異常事故發(fā)生。要連續(xù)觀看公共場(chǎng)所活動(dòng)非常困難,因此需要智能視頻監(jiān)控來實(shí)時(shí)監(jiān)控人體活動(dòng)并將其分類為常規(guī)活動(dòng)和異常活動(dòng),并可以生成警報(bào)。據(jù)此提出了一種基于對(duì)運(yùn)動(dòng)信息和分類方法進(jìn)行編碼的特征描述符來有效地解決該問題的算法。新的異常指示符來自隱馬爾可夫模型,該模型可學(xué)習(xí)觀察到視頻幀的光流方向的直方圖。該指標(biāo)測(cè)量觀察到的視頻幀與現(xiàn)有正常幀之間的相似性,能夠有效檢測(cè)和識(shí)別監(jiān)控視頻中的異常不安全行為。圖[20]表[0]參[70]
【學(xué)位授予單位】：安徽理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.41;D631.4
【圖文】：

圖５ｐｅｄｅｓｔｒｉａｎｓ．ａｖｉ第６８８幀的前景掩膜（依次為：基準(zhǔn)圖、Ｍ０Ｇ２、高斯濾波后的Ｍ０Ｇ２）逡逑

圖７？￡�。档冢保埃磶瓐D、Ｍ０Ｇ２前景掩膜、加入陰影檢測(cè)的Ｍ０Ｇ２前景掩膜逡逑

圖１４模型前景提取效果（左：基準(zhǔn)圖，中：ＭＯＧ２，右：ＭＯＧ２＋二次分辨）逡逑

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 桑海峰;郭昊;徐超;;基于運(yùn)動(dòng)特征的人體異常行為識(shí)別[J];中國科技論文;2014年07期

2 陳雷;張榮國;胡靜;劉q;;改進(jìn)的混合高斯模型及陰影消除方法[J];計(jì)算機(jī)應(yīng)用;2013年05期

3 蔣鵬;宋華華;;基于動(dòng)態(tài)分簇路由優(yōu)化和分布式粒子濾波的傳感器網(wǎng)絡(luò)目標(biāo)跟蹤方法[J];電子與信息學(xué)報(bào);2012年09期

4 朱旭東;劉志鏡;;基于主題隱馬爾科夫模型的人體異常行為識(shí)別[J];計(jì)算機(jī)科學(xué);2012年03期

5 閆愛云;李海朋;李晶皎;王驕;;視頻運(yùn)動(dòng)目標(biāo)提取的實(shí)現(xiàn)[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年11期

6 黃鑫娟;周潔敏;劉伯揚(yáng);;自適應(yīng)混合高斯背景模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J];計(jì)算機(jī)應(yīng)用;2010年01期

7 胡芝蘭;江帆;王貴錦;林行剛;嚴(yán)洪;;基于運(yùn)動(dòng)方向的異常行為檢測(cè)[J];自動(dòng)化學(xué)報(bào);2008年11期

8 王亮,胡衛(wèi)明,譚鐵牛;人運(yùn)動(dòng)的視覺分析綜述[J];計(jì)算機(jī)學(xué)報(bào);2002年03期

相關(guān)博士學(xué)位論文 前2條

1 姜明新;智能視頻監(jiān)控中的目標(biāo)跟蹤技術(shù)研究[D];大連理工大學(xué);2013年

2 袁國武;智能視頻監(jiān)控中的運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤算法研究[D];云南大學(xué);2012年

相關(guān)碩士學(xué)位論文 前1條

1 王丹;基于背景建模的運(yùn)動(dòng)目標(biāo)檢測(cè)與分割算法[D];西安電子科技大學(xué);2015年

本文編號(hào)：2757715