在刑偵過程中通過基于視覺的行為分析與理解技術(shù),及時地發(fā)現(xiàn)和識別潛在作案者的異常行為,對犯罪預警具有極為重要的現(xiàn)實意義。文章分析了視頻監(jiān)控系統(tǒng)在異常行為檢測方面存在的問題,對異常行為檢測系統(tǒng)的實現(xiàn)形式、系統(tǒng)架構(gòu)以及異常行為檢測方法進行研究。設(shè)計了視頻監(jiān)控異常行為檢測系統(tǒng)的軟硬件系統(tǒng)框架;研究了基于視頻的行人檢測方法與異常行為檢測識別方法;完成了相關(guān)算法在上述系統(tǒng)上的實現(xiàn)與開發(fā)。系統(tǒng)測試表明,該系統(tǒng)可以準確、高效地檢測異常行為,能夠滿足當前刑偵中視頻監(jiān)控產(chǎn)品的需要。 

【文章來源】：計算機時代. 2020,(09)

【文章頁數(shù)】：6 頁

【部分圖文】：

系統(tǒng)功能分析

本系統(tǒng)由多路行人卡口IPC網(wǎng)絡(luò)攝像機、前端Web服務(wù)器、后端算法服務(wù)器、大數(shù)據(jù)服務(wù)器等硬件以及運行在這些服務(wù)器平臺上的算法及軟件組成�？傮w的系統(tǒng)架構(gòu)如圖2所示。異常行為識別系統(tǒng)總體采用層次化、模塊化設(shè)計，不同類型的服務(wù)器上部署有不同功能的軟件服務(wù)。后臺算法服務(wù)器提供可供調(diào)用的智能算法庫，包括對異常行為進行檢測的神經(jīng)網(wǎng)絡(luò)的訓練和推理算法等，并保證算法運行的實時穩(wěn)定；算法調(diào)度模塊通過下層算法庫提供的接口調(diào)用算法，并保證調(diào)度的效率和有序性；拉推流模塊負責拉取邊緣節(jié)點IPC的視頻流，以及將處理完成的視頻流推送至中心調(diào)度模塊；中心調(diào)度模塊負責數(shù)據(jù)的傳輸與調(diào)度工作，Web頁面模塊負責產(chǎn)品前端展示部分，此兩者均可運行在Web服務(wù)器上。同時，在大數(shù)據(jù)服務(wù)器上加入分布式計算與分布式存儲的內(nèi)容，分布式計算模塊負責對歷史視頻數(shù)據(jù)和檢測結(jié)果做進一步的分析與挖掘，分布式存儲模塊負責行人視頻數(shù)據(jù)庫與歷史信息數(shù)據(jù)庫的維護。

對多路視頻的支持要求異常行為檢測系統(tǒng)有強大的計算能力以及良好的可擴展性，設(shè)計的原則是盡量保證各模塊的低耦合。為此，該系統(tǒng)的計算服務(wù)器均以集群的形式來提供，在此基礎(chǔ)上本文設(shè)計了對應的集群配置管理體系及流程。具體如圖3所示�？偟呐渲霉芾砹鞒谭譃槲鍌�步驟：

【參考文獻】：
期刊論文
[1]融合視頻時空域運動信息的3D CNN人體行為識別[J]. 劉嘉瑩,張孫杰.  電子測量技術(shù). 2018(07)
[2]一種基于時空HOG與級聯(lián)SVM的行人檢測算法[J]. 徐志通,駱炎民,柳培忠,歐陽怡,趙亮.  海峽科學. 2016(07)
[3]自適應混合高斯背景模型的運動目標檢測方法[J]. 黃鑫娟,周潔敏,劉伯揚.  計算機應用. 2010(01)

碩士論文
[1]基于擴展數(shù)據(jù)集的LSTM行為識別方法研究[D]. 劉景巍.遼寧大學 2018
[2]基于視頻的異常行為檢測系統(tǒng)的設(shè)計與實現(xiàn)[D]. 王娟.西南交通大學 2015
[3]監(jiān)控視頻中行人異常行為檢測系統(tǒng)的設(shè)計與實現(xiàn)[D]. 尚進.東南大學 2015



本文編號：3002936