在實(shí)時(shí)監(jiān)控過程中,傳統(tǒng)視頻監(jiān)控系統(tǒng)存在人力成本高、漏檢率高、告警不及時(shí)等問題,有必要研究可疑人員跟蹤與識別中的關(guān)鍵技術(shù)問題及系統(tǒng)。本文對視頻分析技術(shù)中目標(biāo)檢測、目標(biāo)跟蹤和行為識別方法進(jìn)行了研究,搭建了可疑人員跟蹤與識別系統(tǒng)。具體工作如下:（1）提出基于VIBE+的運(yùn)動目標(biāo)檢測算法。該算法以DBSCAN聚類算法為橋梁,將三幀差法和傳統(tǒng)VIBE算法結(jié)合,達(dá)到優(yōu)勢互補(bǔ)的目的。實(shí)驗(yàn)證明VI BE+算法有效改善傳統(tǒng)VIBE算法“鬼影”問題的同時(shí),也避免了三幀差法存在的“孔洞”現(xiàn)象,在時(shí)間開銷上,滿足系統(tǒng)實(shí)時(shí)性要求。（2）提出基于改進(jìn)粒子濾波的目標(biāo)跟蹤算法。從特征增強(qiáng)、增加粒子多樣性、提升算法抗干擾性和引入目標(biāo)模板更新策略四個(gè)方面對粒子濾波算法做出改進(jìn)。實(shí)驗(yàn)結(jié)果表明,改進(jìn)的粒子濾波算法有效改善了在環(huán)境遷移、目標(biāo)被遮擋或姿態(tài)變化較大時(shí)傳統(tǒng)粒子濾波算法的魯棒性不強(qiáng)的問題,時(shí)間開銷滿足系統(tǒng)要求。（3）設(shè)計(jì)行人異常行為識別算法。區(qū)域入侵行為檢測,通過在手動劃定禁區(qū)內(nèi)進(jìn)行行人檢測實(shí)現(xiàn)。單人摔倒行為,通過跟蹤目標(biāo)行人,獲取加速度特征和形狀特征,構(gòu)建規(guī)則進(jìn)行摔倒判定。設(shè)計(jì)基于運(yùn)動歷史圖的能量函數(shù)識別多人異常行為... 

【文章來源】：浙江理工大學(xué)浙江省

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

本文技術(shù)框架

本文開發(fā)系統(tǒng)使用320 240規(guī)格視頻序列，具點(diǎn)，可充分發(fā)揮 DBSCAN 算法優(yōu)點(diǎn)，時(shí)間和內(nèi)存開銷上也滿動目標(biāo)檢測算法法[16-17]是基于視頻流中相鄰幀間強(qiáng)相關(guān)性的前景目標(biāo)提取方法時(shí)間開銷小的優(yōu)點(diǎn)。其中兩幀差分法對閾值依賴性強(qiáng)，提取”現(xiàn)象，輪廓邊緣也較粗糙。作為兩幀差分法的改進(jìn)算法，上述問題，本小節(jié)主要對三幀差分法原理進(jìn)行說明[18]。分法將視頻流當(dāng)前幀圖像與其前后兩幀分別進(jìn)行差分運(yùn)算；進(jìn)行邏輯“或”運(yùn)算；最后進(jìn)行二值化處理，得到運(yùn)動目標(biāo) 2.1 所示。

學(xué)碩士學(xué)位論文 基于機(jī)器視覺的可疑人員跟蹤與識1 1D ( , ) ( , ) ( , )k k kx y I x y I x y 分圖像進(jìn)行二值化處理后所得二值圖k1T 和k1T 進(jìn)行邏輯“或”運(yùn)： 1 11 11 , , 1,0 , , 0k kkk kD x y D x yR x yD x y D x y 2.2 將兩幀差分法和三幀差分法檢測效果進(jìn)行對比。兩幀差分法檢測孔洞”、“斷邊”現(xiàn)象嚴(yán)重，這是由于相鄰兩幀間運(yùn)動目標(biāo)重疊三幀差分法有效改善了上述問題，但未徹底解決。

【參考文獻(xiàn)】：
期刊論文
[1]視覺目標(biāo)跟蹤方法研究綜述[J]. 葛寶義,左憲章,胡永江.  中國圖象圖形學(xué)報(bào). 2018(08)
[2]智能視頻監(jiān)控技術(shù)的應(yīng)用[J]. 郭文濤.  電子技術(shù)與軟件工程. 2018(15)
[3]聚類算法概述與應(yīng)用[J]. 馬騫.  中國新通信. 2018(14)
[4]基于視覺的人體行為識別算法研究綜述[J]. 陳煜平,邱衛(wèi)根.  計(jì)算機(jī)應(yīng)用研究. 2019(07)
[5]目標(biāo)跟蹤算法綜述[J]. 盧湖川,李佩霞,王棟.  模式識別與人工智能. 2018(01)
[6]超強(qiáng)腦王來了——評測�？低暋昂？党X”全系列產(chǎn)品家族[J]. 羅超.  中國公共安全. 2017(09)
[7]基于HSV顏色特征和貢獻(xiàn)度重構(gòu)的行人跟蹤[J]. 劉夢飛,付小雁,尚媛園,丁輝.  激光與光電子學(xué)進(jìn)展. 2017(09)
[8]基于幀差法和背景差法的運(yùn)動目標(biāo)檢測[J]. 張應(yīng)輝,劉養(yǎng)碩.  計(jì)算機(jī)技術(shù)與發(fā)展. 2017(02)
[9]運(yùn)動目標(biāo)檢測方法綜述[J]. 慈文彥.  信息技術(shù). 2016(12)
[10]基于圖像處理的人群行為識別方法綜述[J]. 高玄,劉勇奎,汪大峰.  計(jì)算機(jī)與數(shù)字工程. 2016(08)

碩士論文
[1]視頻監(jiān)控中行人異常行為分析研究[D]. 高翔.電子科技大學(xué) 2018
[2]智能監(jiān)控系統(tǒng)中行人異常行為檢測的研究[D]. 張玉明.哈爾濱工程大學(xué) 2017
[3]電梯轎廂內(nèi)乘客異常行為檢測[D]. 朱玉杰.中國科學(xué)技術(shù)大學(xué) 2017
[4]視頻監(jiān)控系統(tǒng)中異常行為檢測軟件設(shè)計(jì)與實(shí)現(xiàn)[D]. 安井然.齊齊哈爾大學(xué) 2015
[5]基于視頻流的異常人體行為分析[D]. 胡永亮.北京理工大學(xué) 2015
[6]基于視覺的人體行為識別研究與系統(tǒng)設(shè)計(jì)實(shí)現(xiàn)[D]. 張敏飛.浙江工業(yè)大學(xué) 2014
[7]基于最優(yōu)貝葉斯估計(jì)的目標(biāo)識別與跟蹤研究[D]. 王亞亮.北京交通大學(xué) 2013
[8]基于視頻的人體行為分析[D]. 李鑫鑫.電子科技大學(xué) 2012
[9]基于人體運(yùn)動特征的異常行為檢測和姿態(tài)識別[D]. 郁映卓.西安電子科技大學(xué) 2011
[10]基于LBP的特征提取研究[D]. 王玲.北京交通大學(xué) 2009



本文編號：2968121