【摘要】：隨著城市的發(fā)展,人口的增多,視頻監(jiān)控系統(tǒng)被廣泛應(yīng)用。而傳統(tǒng)的視頻監(jiān)控,主要是通過人工來完成檢測,這種方式通常容易讓人產(chǎn)生疲勞,進(jìn)而造成漏報或誤報現(xiàn)象的發(fā)生,最終導(dǎo)致社會公共安全受到很大的挑戰(zhàn)。所以,一個能夠準(zhǔn)確、實(shí)時分析視頻內(nèi)容并發(fā)現(xiàn)異常的智能視頻監(jiān)控便倍受社會關(guān)注和歡迎,而且它也成為計(jì)算機(jī)視頻領(lǐng)域重要的研究內(nèi)容。近幾年,異常事件的檢測方法有了很大程度的發(fā)展,其中,基于稀疏表示的檢測方法相比以往的算法和模型,在異常事件的檢測準(zhǔn)確度上展現(xiàn)了更好的性能。然而,經(jīng)研究發(fā)現(xiàn),該方法也有著自己的缺點(diǎn),由于利用完備字典對信號進(jìn)行表示時,每次需要從冗余的空間搜索合適的原子基組合,需要耗費(fèi)大量的時間,從而導(dǎo)致視頻的檢測速度偏慢,遠(yuǎn)達(dá)不到實(shí)際應(yīng)用的要求。所以,針對這一問題,本文研究了一種利用稀疏組合替換字典的檢測方法。通過限定每一個組合中原子基的個數(shù),同時讓每個組合在學(xué)習(xí)的過程中表式盡可能多的事件,這樣便學(xué)習(xí)到一個稀疏組合集,其中組合個數(shù)遠(yuǎn)小于字典中的組合數(shù)。最后,在對測試幀進(jìn)行稀疏表示階段,無需再從冗余的空間中進(jìn)行搜索,只需利用有限的組合進(jìn)行表示即可,從而提高事件的檢測速度。同時,圍繞稀疏組合,本文提出了兩種策略。第一,組合在線擴(kuò)展更新。考慮到,隨著時間的推移,先前學(xué)習(xí)的稀疏組合可能不會很好地表示當(dāng)前事件。根據(jù)一個事件在時空上具有相關(guān)性,本文對以檢測為正常事件進(jìn)行再學(xué)習(xí),擴(kuò)展原先的組合集,以提高異常事件檢測的準(zhǔn)確率。第二,背景建模去冗。由于監(jiān)控視頻本身具有大量的冗余存在,所以,在稀疏組合學(xué)習(xí)過程中,就不得不同時處理大量重復(fù)出現(xiàn)的靜態(tài)背景“事件”,這是很耗時的�？紤]到這種情況,本文首先利用背景建模方法提取出當(dāng)前視頻中的背景,通過對背景進(jìn)行組合學(xué)習(xí),繼而對訓(xùn)練特征進(jìn)行重構(gòu),以便去除其中大量的冗余,從而減少稀疏組合學(xué)習(xí)的時間,提高效率。最后,本課題在實(shí)驗(yàn)當(dāng)中使用了公共視頻庫:AVENUE、UCSD以及UMN,在檢測正確率和檢測速度方面與其他算法進(jìn)行對比分析。實(shí)驗(yàn)證明,本文研究的方法不僅在檢測準(zhǔn)確度上與當(dāng)前最優(yōu)的基于稀疏代價重構(gòu)的方法相近,而且在檢測速度上展現(xiàn)了更好的性能,可達(dá)到實(shí)際應(yīng)用的要求。
【圖文】：

監(jiān)控系統(tǒng)的廣泛應(yīng)用正因?yàn)樯鲜鰡栴}的存在，近些年，人們對智能監(jiān)控技術(shù)在實(shí)際的應(yīng)用愈發(fā)的關(guān)

最后，通過對這些時空塊的運(yùn)動行為進(jìn)行統(tǒng)計(jì)來定性整個畫面的運(yùn)動行為，作者主要是通過使用隱馬爾科夫模型（HMM）判斷這些時空塊間的關(guān)系進(jìn)行異常檢測，從而判斷是否出現(xiàn)異常活動。圖 1-4 給出了該模型的具體描述。同時，本文將采用該作者提出的方法對局部時空區(qū)域的運(yùn)動模式進(jìn)行特征提取。
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP391.41;TN948.6

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李映;張艷寧;許星;;基于信號稀疏表示的形態(tài)成分分析:進(jìn)展和展望[J];電子學(xué)報;2009年01期

2 趙瑞珍;王飛;羅阿理;張彥霞;;基于稀疏表示的譜線自動提取方法[J];光譜學(xué)與光譜分析;2009年07期

3 楊蜀秦;寧紀(jì)鋒;何東健;;基于稀疏表示的大米品種識別[J];農(nóng)業(yè)工程學(xué)報;2011年03期

4 史加榮;楊威;魏宗田;;基于非負(fù)稀疏表示的人臉識別[J];計(jì)算機(jī)工程與設(shè)計(jì);2012年05期

5 高志榮;熊承義;笪邦友;;改進(jìn)的基于殘差加權(quán)的稀疏表示人臉識別[J];中南民族大學(xué)學(xué)報(自然科學(xué)版);2012年03期

6 朱杰;楊萬扣;唐振民;;基于字典學(xué)習(xí)的核稀疏表示人臉識別方法[J];模式識別與人工智能;2012年05期

7 耿耀君;張軍英;袁細(xì)國;;一種基于稀疏表示系數(shù)的特征相關(guān)性測度[J];模式識別與人工智能;2013年01期

8 張疆勤;廖海斌;李原;;基于因子分析與稀疏表示的多姿態(tài)人臉識別[J];計(jì)算機(jī)工程與應(yīng)用;2013年05期

9 李正周;王會改;劉梅;丁浩;金鋼;;基于形態(tài)成分稀疏表示的紅外小弱目標(biāo)檢測[J];彈箭與制導(dǎo)學(xué)報;2013年04期

10 胡正平;趙淑歡;李靜;;基于塊稀疏遞推殘差分析的稀疏表示遮擋魯棒識別算法研究[J];模式識別與人工智能;2014年01期

相關(guān)會議論文 前3條

1 何愛香;劉玉春;魏廣芬;;基于稀疏表示的煤矸界面識別研究[A];虛擬運(yùn)營與云計(jì)算——第十八屆全國青年通信學(xué)術(shù)年會論文集（上冊）[C];2013年

2 樊亞翔;孫浩;周石琳;鄒煥新;;基于元樣本稀疏表示的多視角目標(biāo)識別[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

3 葛鳳翔;任歲玲;郭鑫;郭良浩;孫波;;微弱信號處理及其研究進(jìn)展[A];中國聲學(xué)學(xué)會水聲學(xué)分會2013年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2013年

相關(guān)博士學(xué)位論文 前10條

1 李進(jìn)明;基于稀疏表示的圖像超分辨率重建方法研究[D];重慶大學(xué);2015年

2 王亞寧;基于信號稀疏表示的電機(jī)故障診斷研究[D];河北工業(yè)大學(xué);2014年

3 姚明海;視頻異常事件檢測與認(rèn)證方法研究[D];東北師范大學(xué);2015年

4 黃國華;蛋白質(zhì)翻譯后修飾位點(diǎn)與藥物適應(yīng)癥預(yù)測方法研究[D];上海大學(xué);2015年

5 王瑾;基于稀疏表示的數(shù)據(jù)收集、復(fù)原與壓縮研究[D];北京工業(yè)大學(xué);2015年

6 李小薪;稀疏表示的分段匹配尋蹤方法[D];華南理工大學(xué);2009年

7 何艷敏;稀疏表示在圖像壓縮和去噪中的應(yīng)用研究[D];電子科技大學(xué);2011年

8 宋相法;基于稀疏表示和集成學(xué)習(xí)的若干分類問題研究[D];西安電子科技大學(xué);2013年

9 匡金駿;基于稀疏表示的圖像分類與目標(biāo)跟蹤研究[D];重慶大學(xué);2013年

10 李海山;基于稀疏表示理論的地震信號處理方法研究[D];中國石油大學(xué)（華東）;2013年

相關(guān)碩士學(xué)位論文 前10條

1 王道文;基于稀疏表示的目標(biāo)跟蹤算法研究[D];華南理工大學(xué);2015年

2 李哲;基于稀疏表示和LS-SVM的心電信號分類[D];河北大學(xué);2015年

3 孫雪青;Shearlet變換和稀疏表示相結(jié)合的甲狀腺結(jié)節(jié)圖像融合[D];河北大學(xué);2015年

4 吳麗璇;基于稀疏表示的微聚焦X射線圖像去噪方法[D];華南理工大學(xué);2015年

5 趙孝磊;基于圖像分塊稀疏表示的人臉識別算法研究[D];南京信息工程大學(xué);2015年

6 黃志明;基于辨別式稀疏字典學(xué)習(xí)的視覺追蹤算法研究[D];華南理工大學(xué);2015年

7 張鈴華;非約束環(huán)境下的稀疏表示人臉識別算法研究[D];南京信息工程大學(xué);2015年

8 賀妍斐;基于稀疏表示與自適應(yīng)倒易晶胞的遙感圖像復(fù)原方法研究[D];南京信息工程大學(xué);2015年

9 楊爍;電能質(zhì)量擾動信號的稀疏表示/壓縮采樣研究[D];西南交通大學(xué);2015年

10 應(yīng)艷麗;基于低秩稀疏表示的目標(biāo)跟蹤算法研究[D];西南交通大學(xué);2015年

本文編號：2517363