公共安全問題一直都是社會上關(guān)注的焦點。近些年來,監(jiān)控設(shè)備技術(shù)的發(fā)展使得監(jiān)控設(shè)備早已遍布每個角落。而作為計算機視覺領(lǐng)域中的研究熱點,智能視頻檢測技術(shù)也隨著監(jiān)控設(shè)備普及的驅(qū)動而飛速的發(fā)展。而監(jiān)控視頻中的異常行為檢測則是智能監(jiān)控技術(shù)中非常重要的研究方向,異常行為檢測主要是通過計算機視覺相關(guān)檢測算法自動的對監(jiān)控視頻中可能出現(xiàn)的異常行為進行檢測。其難點主要在于監(jiān)控視頻場景的復(fù)雜多邊形,以及異常行為檢測技術(shù)實際應(yīng)用所要求的準(zhǔn)確性、實時性和穩(wěn)定性。由于卷積神經(jīng)網(wǎng)絡(luò)在計算機視覺當(dāng)中的廣泛應(yīng)用,本文主要研究了基于卷積神經(jīng)網(wǎng)絡(luò)的異常檢測算法,設(shè)計了基于卷積神經(jīng)網(wǎng)絡(luò)的兩種不同的異常行為檢測算法分別應(yīng)用于不同的場景。其中,針對于監(jiān)控場景中比較常見的暴力行為檢測以及特定監(jiān)控場景中的一些特定的異常行為檢測是本文的主要研究重點。本文的主要研究內(nèi)容為:（1）研究了傳統(tǒng)的視頻場景中的動態(tài)信息的獲取方法。主要包括幀間差分法,背景減除法以及光流法,不同的方法具有各自的優(yōu)缺點以及適用的場景,本文也分析了不同方法的優(yōu)劣,并在后續(xù)的異常檢測任務(wù)上選擇了合適的動態(tài)特征提取算法進行特征提取。（2）研究了卷積神經(jīng)網(wǎng)絡(luò)模型的發(fā)展歷程以及... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【部分圖文】：

異常行為檢測應(yīng)用場景

圖 1-2 本文技術(shù)路線分，主要介紹了監(jiān)控視頻下的異常行外研究現(xiàn)狀，最后總體簡要的介紹了了異常行為檢測的一些研究理論基礎(chǔ)重要的特征，其次簡要的介紹了異常流的異常行為檢測網(wǎng)絡(luò)模型。監(jiān)控場景中出現(xiàn)的暴力行為，設(shè)計了的結(jié)構(gòu)用于暴力行為檢測。為了能夠是原始視頻幀和相鄰幀的幀差，分別了 SVM 作為分類器，而且在本章中運動信息相結(jié)合，有效的提高了檢監(jiān)控視頻復(fù)雜場景下的人群異常行為

圖 2-1 幀間差分法示意圖 所示，假設(shè)監(jiān)控視頻序列中第t幀和第 t + 1幀的圖像分別對應(yīng)像素點的灰度值分別為 ( , )tD x y 和1( , )tD x y+。將兩度值進行差分操作，再對差分之后的灰度值取絕對值差分圖像td ，如公式(2-1)所示：1( , ) ( , ) ( , )t t td x y D x y D x y+ 差分法能夠有效的提取到視頻當(dāng)中的運動信息，其優(yōu)比較簡單，計算量很小且對監(jiān)控場景中的光線等背景的夠較好的適應(yīng)各種監(jiān)控環(huán)境。但是幀間差分法也有不足間差分只能夠得到監(jiān)控視頻場景中的運動物體的輪廓運動主體；其次，在進行幀差差分延遲事件的選擇時，結(jié)果有較大的區(qū)別。當(dāng)選擇較大的延遲時間時，如果場


本文編號：3379144