近年來隨著經(jīng)濟、科技的不斷發(fā)展,人們對于安全防范的需求不斷增加,我國也不斷推行各項政策來推動相關(guān)智能監(jiān)控產(chǎn)業(yè)的發(fā)展。作為智能監(jiān)控的核心部分,異常檢測在公共安全領(lǐng)域有著廣泛的應用空間。異常檢測是指通過設(shè)計算法使得計算機能夠自動的檢測出監(jiān)控視頻中人物的異常行為。開展監(jiān)控場景下基于視頻目標分析的異常檢測算法研究,在學術(shù)研究和實際應用中具有重要的研究意義和價值。在現(xiàn)實監(jiān)控場景中,異常檢測算法仍然有諸多問題需要克服,主要表現(xiàn)為:（1）現(xiàn)實場景中大多數(shù)異常行為和運動關(guān)系密切。而現(xiàn)有的運動特征往往過多挖掘光流方向信息,忽視了光流幅度信息,無法充分提取有效的運動信息;（2）不同的場景對異常行為的定義不同,.而現(xiàn)有的異常檢測算法多數(shù)基于非正常即異常的原則通過對正常視頻建模來檢測異常行為,不能給出判定成異常的原因。本課題的研究內(nèi)容是監(jiān)控場景下基于視頻目標分析的異常檢測算法研究,重點解決現(xiàn)有異常檢測算法存在的這些問題,提升異常檢測算法的性能。本課題主要研究內(nèi)容和創(chuàng)新點如下:1.提出一種基于HMOF特征和跟蹤的異常檢測算法�？紤]傳統(tǒng)運動特征對運動信息表現(xiàn)不足的缺點,本文提出一種新的HMOF運動特征。相比現(xiàn)有的... 

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 異常行為的定義
        1.2.2 基于傳統(tǒng)方法的異常檢測算法
        1.2.3 基于深度學習的異常檢測算法
    1.3 本文研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)
第2章 相關(guān)基礎(chǔ)理論
    2.1 全局和局部異常
    2.2 光流
    2.3 常見運動特征提取
        2.3.1 HOF特征
        2.3.2 MHOF特征
    2.4 異常檢測數(shù)據(jù)集和性能評價指標
        2.4.1 性能評價指標
        2.4.2 UMN數(shù)據(jù)集
        2.4.3 UCSD數(shù)據(jù)集
    2.5 本章小結(jié)
第3章 基于HMOF特征和跟蹤的異常檢測算法
    3.1 引言
    3.2 方法流程
        3.2.1 前景區(qū)域提取
        3.2.2 HMOF特征提取
        3.2.3 特征重構(gòu)
        3.2.4 異常分類
        3.2.5 跟蹤模塊
    3.3 實驗及結(jié)果分析
        3.3.1 UMN數(shù)據(jù)集性能分析
        3.3.2 UCSD數(shù)據(jù)集性能分析
        3.3.3 運行速度分析
    3.4 本章小結(jié)
第4章 基于多元融合的異常檢測算法
    4.1 引言
    4.2 方法流程
        4.2.1 目標檢測
        4.2.2 動作識別
        4.2.3 運動特征
        4.2.4 融合
    4.3 實驗結(jié)果分析
        4.3.1 UMN數(shù)據(jù)集性能分析
        4.3.2 UCSD數(shù)據(jù)集性能分析
        4.3.3 運行速度分析
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 論文總結(jié)
    5.2 未來展望
參考文獻
致謝
在讀期間發(fā)表的學術(shù)論文與取得的研究成果



本文編號：3660491