本文關(guān)鍵詞：電梯轎廂內(nèi)異常行為識(shí)別研究，由筆耕文化傳播整理發(fā)布。

【摘要】：智能視頻監(jiān)控技術(shù)已被廣泛應(yīng)用于現(xiàn)有的視頻監(jiān)控場景之中，，本文針對(duì)電梯轎廂環(huán)境的特殊性，將圖像處理技術(shù)和視頻分析技術(shù)應(yīng)用于電梯轎廂視頻監(jiān)控場景中，將轎廂內(nèi)可能發(fā)生的異常行為進(jìn)行分類，針對(duì)不同行為的特點(diǎn)，分別提出了對(duì)應(yīng)的異常行為檢測(cè)方法。 本文針對(duì)電梯轎廂環(huán)境的特殊性，將轎廂內(nèi)可能發(fā)生的異常情況分為三類：單人的暈倒行為，多人的打架、搶劫行為及存在遺留物品，針對(duì)以上三種行為發(fā)生時(shí)的特點(diǎn)，提出三種對(duì)應(yīng)的異常檢測(cè)算法。首先，在目標(biāo)前景檢測(cè)中，通過自適應(yīng)中值濾波法融合均值法提取背景模型，將減背景法與Sobel算子邊緣檢測(cè)法結(jié)合來獲取前景圖像，解決了現(xiàn)有前景提取算法在電梯監(jiān)控場景中的不適用性，在獲取有效前景的同時(shí)，摒棄掉無用的邊緣，從而得到完整的前景目標(biāo)。其次，利用連通區(qū)域內(nèi)像素統(tǒng)計(jì)的方法，進(jìn)行乘梯人數(shù)的判斷，根據(jù)不同的乘梯人數(shù)判斷可能發(fā)生哪些異常行為。在單人暈倒識(shí)別問題上，通過計(jì)算相鄰兩幀之間輪廓的Hausdorff距離，判定是否存在靜止前景。對(duì)于多人異常行為識(shí)別的光流計(jì)算的迭代問題，改進(jìn)了傳統(tǒng)的金字塔光流模型，提出了基于Harris角點(diǎn)的光流計(jì)算方法，極大的減少了數(shù)據(jù)規(guī)模及運(yùn)算復(fù)雜度，并建立了一種基于角點(diǎn)動(dòng)能的模型作為多人異常行為識(shí)別的判定標(biāo)準(zhǔn)。在遺留物檢測(cè)算法中，利用背景差法和幀差法的固有特點(diǎn)，當(dāng)幀差法無法檢測(cè)到物體，而背景差法可以檢測(cè)到物體時(shí)，可以判定存在遺留物品。 本文的系統(tǒng)平臺(tái)是基于MFC語言并加載OpenCV視覺庫進(jìn)行開發(fā)的，并在模擬的環(huán)境中進(jìn)行了相關(guān)的實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，該算法可以檢測(cè)出絕大部分電梯轎廂內(nèi)發(fā)生的異常行為，且實(shí)時(shí)性好，準(zhǔn)確性高，符合電梯視頻監(jiān)控場景需求。
【關(guān)鍵詞】：異常行為檢測(cè) 圖像處理 金字塔光流 角點(diǎn)動(dòng)能
【學(xué)位授予單位】：哈爾濱理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41;TN948.6
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-15
• 1.1 課題研究背景及意義10-11
• 1.2 國內(nèi)外的研究現(xiàn)狀及分析11-13
• 1.3 本課題研究的主要內(nèi)容13-14
• 1.3.1 課題來源13
• 1.3.2 課題的主要研究內(nèi)容13-14
• 1.4 本章小結(jié)14-15
• 第2章 運(yùn)動(dòng)目標(biāo)檢測(cè)15-30
• 2.1 常見的運(yùn)動(dòng)目標(biāo)檢測(cè)算法16-21
• 2.1.1 幀間差分法16-17
• 2.1.2 光流法17-18
• 2.1.3 背景差法18-19
• 2.1.4 背景建模方法19-21
• 2.2 基于減背景法與邊緣提取的前景提取算法21-26
• 2.2.1 AMF 法與均值濾波融合的背景提取算法21-23
• 2.2.2 改進(jìn)的 Sobel 算子邊緣提取23-26
• 2.2.3 減背景法與邊緣提取的融合26
• 2.3 實(shí)驗(yàn)結(jié)果與分析26-29
• 2.4 本章小結(jié)29-30
• 第3章 角點(diǎn)光流計(jì)算及基于角點(diǎn)動(dòng)能檢測(cè)模型建立30-49
• 3.1 光流30-37
• 3.1.1 Horn-Schunck 光流算法33-34
• 3.1.2 Lucas-Kanade 光流算法34-36
• 3.1.3 金字塔 Lucas-Kanade 光流算法36-37
• 3.2 改進(jìn)的金字塔 Lucas-Kanade 算法37-43
• 3.2.1 角點(diǎn)的檢測(cè)38-39
• 3.2.2 基于角點(diǎn)的光流計(jì)算39-43
• 3.3 角點(diǎn)動(dòng)能檢測(cè)模型建立43-46
• 3.3.1 動(dòng)態(tài)特征計(jì)算44-45
• 3.3.2 動(dòng)能計(jì)算45-46
• 3.4 實(shí)驗(yàn)結(jié)果與分析46-48
• 3.5 本章小結(jié)48-49
• 第4章 電梯轎廂內(nèi)異常行為檢測(cè)49-64
• 4.1 電梯轎廂內(nèi)人數(shù)判斷49-52
• 4.1.1 基于前景連通區(qū)域像素統(tǒng)計(jì)50-51
• 4.1.2 人數(shù)判斷51-52
• 4.2 異常行為檢測(cè)52-62
• 4.2.1 單人情況下異常行為檢測(cè)52-57
• 4.2.2 多人情況下異常行為檢測(cè)57-60
• 4.2.3 遺留物檢測(cè)60-62
• 4.3 算法性能評(píng)價(jià)62-63
• 4.4 本章小結(jié)63-64
• 第5章 異常行為監(jiān)控系統(tǒng)平臺(tái)64-69
• 5.1 OpenCV 開發(fā)環(huán)境介紹64-65
• 5.1.1 OpenCV 庫64-65
• 5.1.2 OpenCV 功能65
• 5.2 系統(tǒng)平臺(tái)的實(shí)現(xiàn)65-68
• 5.2.1 基本架構(gòu)65-66
• 5.2.2 軟件界面66-67
• 5.2.3 運(yùn)行結(jié)果67-68
• 5.3 本章小結(jié)68-69
• 結(jié)論69-71
• 參考文獻(xiàn)71-76
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文76-77
• 致謝77

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 李衡宇;何小海;吳煒;楊曉敏;;基于計(jì)算機(jī)視覺的公交車人流量統(tǒng)計(jì)系統(tǒng)[J];四川大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年04期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 路子峗;光流場計(jì)算及其若干優(yōu)化技術(shù)研究[D];合肥工業(yè)大學(xué);2012年

  本文關(guān)鍵詞：電梯轎廂內(nèi)異常行為識(shí)別研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：292985