【摘要】：行人的異常行為檢測技術(shù)在智能化視頻監(jiān)控領(lǐng)域中逐漸成為關(guān)鍵課題。這是因?yàn)樵诋?dāng)今復(fù)雜的室內(nèi)和室外的交通環(huán)境下,行人的安全問題不僅關(guān)系到行人個人,還對其周圍的交通系統(tǒng)產(chǎn)生影響。然而,監(jiān)控視頻數(shù)據(jù)和互聯(lián)網(wǎng)視頻數(shù)據(jù)量近年來增加迅速,大數(shù)據(jù)時代下依賴人工的安全監(jiān)控方式已經(jīng)無法全面準(zhǔn)確地覆蓋視頻監(jiān)控網(wǎng)絡(luò)。當(dāng)下各行各業(yè)對高效、可靠的智能化視頻監(jiān)控系統(tǒng)有很大需求,視頻監(jiān)控系統(tǒng)的智能化水平需要不斷提高。本文提出了一種基于時序一致性的弱監(jiān)督異常行為檢測方法。在該方法中首先對給定的一對視頻構(gòu)造時序矩陣,再利用人類行為推進(jìn)的時態(tài)一致性和平滑特性形成一個行為單元對,獲得候選行為片段,目標(biāo)是定位視頻中相關(guān)異常動作類的開始和結(jié)束幀,并訓(xùn)練相應(yīng)的操作分類器,最后利用稀疏編碼直方圖這一局部特征和稀疏重構(gòu)的方法,對監(jiān)控視頻中的異常事件進(jìn)行精確定位。在異常行為檢測之前,本文在圖像中對超像素進(jìn)行最小生成樹及距離變換,對圖像背景進(jìn)行模糊色差直方圖處理,有效降低了誤檢概率。在弱監(jiān)督檢測方法模型中每個動作分隔出相同數(shù)量的子行為,每個視頻根據(jù)這些子行為定位。得到接近完整的行為幀后,最后利用稀疏編碼直方圖這一局部特征和稀疏重構(gòu)的方法,對監(jiān)控視頻中的異常事件進(jìn)行精確定位。最后采用雙閾值方法進(jìn)行異常行為判別,提高了識別準(zhǔn)確率。本文方法的有效性和魯棒性在公共數(shù)據(jù)庫CAVIAR和Crossing上進(jìn)行了驗(yàn)證,并與其它流行方法進(jìn)行了對比,結(jié)果表明了該方法在存在動態(tài)背景和光照變化等干擾的情況下依然能夠進(jìn)行異常行為檢測,對比其他弱監(jiān)督異常行為檢測方法在性能上有一定的改善。
【圖文】：

究生學(xué)位論文 第二章 異為了解決序列圖像中背景動態(tài)變化的難題，可先對補(bǔ)償差分的運(yùn)動目標(biāo)檢測方法。對動態(tài)圖像固有屬性的分析而得到的目標(biāo)提取方的變化實(shí)現(xiàn)運(yùn)動物體檢測。由于圖像中相鄰兩幀之間的背景變化不會太大，不大可能由于背景的為兩幀差分和對稱差分兩類。這兩種差分方法都能兩者效果相差不大。但是，它們都不能實(shí)現(xiàn)運(yùn)動動時會在人眼視網(wǎng)膜上產(chǎn)生一系列連續(xù)變化的圖Flow)。而光流場(Optical Flow Field)則是這種圖像是三維速度矢量在成像表面上形成的投影如圖 2

與場景里面的人的數(shù)量相關(guān)。場景密度的大小直接影響著技術(shù)的選擇可以是少數(shù)人（可能是單個人）或一組人。因此，我們將場景分為 2場景，在相機(jī)領(lǐng)域內(nèi)同時存在一個或幾個人。第二種類型被稱為擁擠在許多人。景中，我們關(guān)注的是檢測攝像機(jī)域中一個或幾個人的異常行為。當(dāng)場景現(xiàn)三種主要的異常行為，即摔倒行為檢測、逗留行為和錯誤的位置，是人類跌倒檢測，是一項(xiàng)有趣的工作，有幾個文獻(xiàn)提出了用于確保老。Ye 等人提出了一個老年人跌倒檢測系統(tǒng)，該系統(tǒng)基于一個新的架的無線傳感器網(wǎng)絡(luò)。在 Bian 等人[20]文獻(xiàn)中，提出了一種用于檢測老法。他們只用了一個深度照相機(jī)，即使在黑暗中也能工作。
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TN948.6

【參考文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前3條

1 李強(qiáng);監(jiān)控視頻異常行為檢測算法研究[D];中國科學(xué)技術(shù)大學(xué);2017年

2 文耀民;旅游突發(fā)事件挖掘、監(jiān)測與識別系統(tǒng)的實(shí)現(xiàn)[D];北京郵電大學(xué);2017年

3 李向向;視頻監(jiān)控下實(shí)時異常行為檢測研究[D];南京郵電大學(xué);2016年

，

本文編號：2643603