本文選題：人體異常行為識別　切入點：Kalman濾波　出處：《哈爾濱工程大學》2012年碩士論文　論文類型：學位論文

【摘要】：人體異常行為識別是對監(jiān)控范圍內(nèi)的人體行為進行分析，將其與預先設定的異常行為進行匹配，如果行為匹配，則判定為異常行為并自動報警。傳統(tǒng)的監(jiān)控系統(tǒng)的功能單一，主要依靠監(jiān)控人員人為操作來監(jiān)控短而隨機的突發(fā)和異常事件，要求監(jiān)控人員持續(xù)地監(jiān)視屏幕，不僅需要大量的監(jiān)控人員，而且容易因為監(jiān)控人員的松懈、監(jiān)控點較多無法做到實時完整監(jiān)控而導致漏警，造成不可估量的損失。 研究內(nèi)容包括：首先，以背景減除法為基礎，對混合高斯模型進行改進并將其作為背景模型。對混合高斯模型參數(shù)均值和方差采用不同的學習率，用以提高混合高斯模型背景提取的準確程度。將馬爾可夫隨機場理論引入前景分割中，以此提高前景分割精度，并提出一種方法使得人體運動靜止時也能夠有效檢測。針對HSV顏色空間在陰影檢測方面的優(yōu)越性，結合上面的檢測方法，提出一種能夠準確快速消除陰影的方法；其次，為了能夠實時自動跟蹤并且不受相互遮擋的影響，將Mean shift算法和Kalman濾波算法進行融合，提出新的算法，預先獲得人體運動信息，，并實現(xiàn)快速搜索；最后，提出一種特征提取方法，使用HMM進行訓練和分類，用以識別人體異常行為。通過對所提出的方法進行實驗驗證，確定該方法可以有效的識別暈倒、砸車等人體異常行為。
[Abstract]:Human abnormal behavior identification is to analyze the human behavior in the monitoring area, and match it with the predefined abnormal behavior. If the behavior matches, it will be judged as abnormal behavior and alarm automatically. Mainly relying on the manual operation of the monitoring personnel to monitor short and random emergencies and abnormal events, requiring the monitoring personnel to continuously monitor the screen, not only requires a large number of surveillance personnel, but also easily because of the lax monitoring personnel. More monitoring points can not achieve real-time complete monitoring, resulting in false alarm, resulting in incalculable losses. The main contents are as follows: firstly, based on the background subtraction method, the mixed Gao Si model is improved and used as the background model, and the parameter mean and variance of the mixed Gao Si model are studied at different learning rates. In order to improve the accuracy of background extraction of mixed Gao Si model, Markov random field theory is introduced into foreground segmentation to improve the precision of foreground segmentation. In view of the superiority of HSV color space in shadow detection, combined with the above detection method, a method to eliminate shadow accurately and quickly is proposed. In order to track human body automatically in real time and without the influence of mutual occlusion, the Mean shift algorithm and Kalman filter algorithm are fused, and a new algorithm is proposed to obtain human body motion information in advance and to realize fast search. A feature extraction method is proposed, which is trained and classified by HMM to identify abnormal human behavior. Through the experimental verification of the proposed method, it is determined that this method can effectively identify the abnormal behaviors of human body such as fainting, smashing and so on.
【學位授予單位】：哈爾濱工程大學
【學位級別】：碩士
【學位授予年份】：2012
【分類號】：TP391.41

【參考文獻】

相關期刊論文 前10條

1 葉佳;張建秋;;基于mean-shift算法的目標跟蹤方法[J];傳感技術學報;2006年06期

2 高璐;張大志;田金文;;紅外序列圖像目標跟蹤的自適應Kalman濾波方法[J];紅外與激光工程;2007年05期

3 印勇;王建東;金憲剛;;近似周期運動的人體異常行為識別[J];計算機工程與應用;2010年26期

4 鄭丹;徐佩霞;何佳;;視頻監(jiān)控中運動物體的檢測與跟蹤[J];計算機工程與應用;2010年31期

5 周箴毅;胡福喬;;基于背景建模的動態(tài)場景目標檢測[J];計算機工程;2008年24期

6 馬義德;朱望飛;安世霞;邱會銀;湯書森;;改進的基于高斯混合模型的運動目標檢測方法[J];計算機應用;2007年10期

7 蒲靜;胡棟;;基于時空Markov隨機場的人體異常行為識別算法[J];計算機應用;2010年08期

8 吳艷平;崔宇;胡士強;;基于運動圖像序列的異常行為檢測[J];計算機應用研究;2010年07期

9 李晶;范九倫;;一種基于卡爾曼濾波的運動物體跟蹤算法[J];計算機應用研究;2010年08期

10 譚鑫;肖南峰;;運動人體的檢測跟蹤方法的研究與實現(xiàn)[J];計算機應用與軟件;2010年04期

相關碩士學位論文 前3條

1 林坤;視頻監(jiān)控中運動人體跟蹤與行為分析研究[D];天津大學;2010年

2 王建東;基于視頻圖像的人體異常行為識別技術研究[D];重慶大學;2009年

3 付宇;固定場景下智能視頻監(jiān)控系統(tǒng)的研究與應用[D];北京交通大學;2010年

本文編號：1570607