本文關(guān)鍵詞：監(jiān)控視頻場景異常檢測技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著公共安全意識的逐漸提高,視頻監(jiān)控技術(shù)得到了廣泛應(yīng)用,其中以人群為目標的監(jiān)控視頻異常檢測一直是研究的難點。機器學(xué)習(xí)方法逐漸被應(yīng)用到監(jiān)控視頻的異常檢測系統(tǒng)中,提高了系統(tǒng)的檢測水平。監(jiān)控視頻場景異常檢測作為一種公共安全和社會秩序管理技術(shù),逐漸成為國內(nèi)外研究的熱點。本文通過分析現(xiàn)有監(jiān)控視頻中場景異常檢測存在的問題,從基于視頻特征信息分析和基于人群模型兩個角度進行研究,并在此基礎(chǔ)上初步探索了基于云平臺的分布式視頻場景異常檢測框架。論文的主要工作如下:首先,采用基于群體特征的異常檢測方法,直接對特征信息進行分析。為了提高異常檢測的精確率,減少檢測時間,提出了一種基于改進遺傳算法的特征選擇和SVM訓(xùn)練模型聯(lián)合優(yōu)化算法。該方法提取視頻的特征數(shù)據(jù),對特征數(shù)據(jù)降維,再運用SVM算法建立分類學(xué)習(xí)模型。特征選擇和訓(xùn)練模型這兩個過程互相依賴,采用SA改進GA算法,并使GA中的交叉遺傳操作自適應(yīng)化,同時對特征選擇和SVM模型對參數(shù)進行優(yōu)化。實驗表明,該方法可以快速找到最優(yōu)特征子集和SVM訓(xùn)練參數(shù),提高了視頻異常檢測的精確度,同時縮短了分類檢測的時間。其次,為了精確模擬人群的運動狀態(tài),研究了基于物理模型的人群異常檢測方法,提出了基于粒子群優(yōu)化的社會力模型描述人群信息。該方法提取群體光流運動特征,用光流表示SFM中行人的速度,再利用PSO改進傳統(tǒng)SFM對中高密度人群的建模,將社會力矢量處理后進行SVM分類預(yù)測,檢測視頻中異常行為。通過粒子平流方法,使得粒子向相互作用力較小的區(qū)域移動,粒子的位置盡可能落在前景區(qū)域,模擬人群行為。實驗表明,該方法能夠有效地提高視頻場景異常檢測的查全率和查準率。最后,為了處理實際應(yīng)用中海量監(jiān)控視頻數(shù)據(jù)的異常檢測問題,探索了基于Hadoop平臺的監(jiān)控視頻異常檢測并行化框架。主要實現(xiàn)對視頻數(shù)據(jù)Map/Reduce鍵值對數(shù)據(jù)類型、數(shù)據(jù)I/O類型和基于Mapreduce的SVM分類算法的設(shè)計。利用Hadoop平臺的HDFS存儲機制和Mapreduce編程模型對監(jiān)控視頻異常檢測系統(tǒng)作了進一步的研究。實驗表明,與單機節(jié)點比較,基于Hadoop集群的視頻異常檢測方法保證了精確度的同時,大幅度高降低了視頻數(shù)據(jù)的檢測時間。
【關(guān)鍵詞】：監(jiān)控視頻 異常檢測 SVM分類 GA PSO Mapreduce
【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】：2015
【分類號】：TN948.6
【目錄】：

• 摘要4-5
• Abstract5-9
• 專用術(shù)語注釋表9-10
• 第一章 緒論10-16
• 1.1 課題研究背景及意義10
• 1.2 國內(nèi)外研究概況10-12
• 1.2.1 國內(nèi)外研究現(xiàn)狀10-12
• 1.2.2 主要問題12
• 1.3 論文研究內(nèi)容與組織結(jié)構(gòu)12-16
• 1.3.1 研究內(nèi)容12-13
• 1.3.2 論文組織結(jié)構(gòu)13-16
• 第二章 監(jiān)控視頻場景異常檢測技術(shù)綜述16-28
• 2.1 監(jiān)控視頻場景異常檢測系統(tǒng)介紹16-19
• 2.1.1 視頻場景異常定義及檢測16-17
• 2.1.2 監(jiān)控視頻場景異常檢測系統(tǒng)17-19
• 2.2 視頻的特征提取和選擇19-23
• 2.2.1 視頻運動特征提取19-21
• 2.2.2 視頻結(jié)構(gòu)特征提取21
• 2.2.3 特征選擇21-23
• 2.3 人群模型23-24
• 2.3.1 基于視覺特征的分析23
• 2.3.2 Agent模型23-24
• 2.3.3 基于動力學(xué)模型24
• 2.4 分類學(xué)習(xí)模型24-27
• 2.4.1 SVM分類模型24-26
• 2.4.2 SVM模型優(yōu)化算法26-27
• 2.5 本章小結(jié)27-28
• 第三章 基于改進GA的特征選擇和SVM模型聯(lián)合優(yōu)化28-46
• 3.1 算法基本原理28-35
• 3.1.1 算法改進的思路28-30
• 3.1.2 基本遺傳算法30-32
• 3.1.3 改進的GA算法原理32-35
• 3.2 算法實現(xiàn)35-40
• 3.2.1 視頻多特征提取36-38
• 3.2.2 基于改進GA的聯(lián)合優(yōu)化過程38-40
• 3.3 仿真實驗40-44
• 3.3.1 系統(tǒng)仿真環(huán)境40-41
• 3.3.2 仿真結(jié)果與分析41-44
• 3.4 本章小結(jié)44-46
• 第四章 基于改進社會力模型的視頻異常檢測46-60
• 4.1 社會力模型及其優(yōu)化46-49
• 4.1.1 傳統(tǒng)社會力模型46-48
• 4.1.2 社會力模型優(yōu)化現(xiàn)狀48-49
• 4.2 基于改進社會力模型的異常檢測49-54
• 4.2.1 光流運動估計49-50
• 4.2.2 粒子群算法基本原理50-52
• 4.2.3 基于PSO的改進社會力模型異常檢測52-54
• 4.3 仿真實驗54-59
• 4.3.1 系統(tǒng)仿真環(huán)境55
• 4.3.2 仿真結(jié)果與分析55-59
• 4.4 本章小結(jié)59-60
• 第五章 基于Hadoop的分布式監(jiān)控視頻場景異常檢測框架60-79
• 5.1 Hadoop平臺簡介60-64
• 5.1.1 HDFS文件存儲系統(tǒng)61-62
• 5.1.2 MapReduce編程模型62-64
• 5.2 基于Hadoop的分布式視頻異常檢測64-71
• 5.2.1 視頻數(shù)據(jù)預(yù)處理65-67
• 5.2.2 基于mapreduce的SVM設(shè)計67-71
• 5.3 仿真實驗71-76
• 5.3.1 搭建Hadoop集群71-73
• 5.3.2 仿真結(jié)果與分析73-76
• 5.4 本章小結(jié)76-79
• 第六章 總結(jié)與展望79-81
• 6.1 論文工作總結(jié)79-80
• 6.2 未來工作展望80-81
• 參考文獻81-84
• 附錄 攻讀碩士學(xué)位期間撰寫的論文84-85
• 致謝85

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳姣姣;張曉如;周永梅;;基于本體的監(jiān)控視頻語義事件探測[J];計算機應(yīng)用研究;2012年01期

2 代科學(xué);李國輝;武德峰;;聚類挖掘在監(jiān)控視頻中的應(yīng)用[J];測控技術(shù);2006年10期

3 汪賢鋒;;基于內(nèi)容的二次聚類監(jiān)控視頻摘要生成分析[J];內(nèi)蒙古財經(jīng)大學(xué)學(xué)報;2013年05期

4 周清華;周俊;林必毅;;監(jiān)控視頻流傳輸?shù)膽?yīng)用研究[J];智能建筑與城市信息;2009年08期

5 姚彬;史萍;葛菲;謝志揚;;監(jiān)控視頻的摘要提取方法研究[J];電視技術(shù);2010年04期

6 周玉蘭;;電子監(jiān)控視頻使用中的新聞倫理三問[J];視聽縱橫;2014年03期

7 柳偉;代科學(xué);盧鑫;郭森;;監(jiān)控視頻聚簇模式挖掘及其應(yīng)用[J];數(shù)據(jù)采集與處理;2008年04期

8 辛麗麗;;鶴礦集團遠程安全監(jiān)控視頻集成系統(tǒng)[J];煤炭技術(shù);2008年05期

9 謝俊宏;;淺談監(jiān)控視頻干擾問題的解決[J];海峽科學(xué);2008年08期

10 朱麗英;梁辰;張鴻洲;;基于運動目標的監(jiān)控視頻檢索方法[J];計算機應(yīng)用與軟件;2011年12期

中國重要會議論文全文數(shù)據(jù)庫 前6條

1 李國輝;代科學(xué);;一種基于運動量的監(jiān)控視頻事件挖掘方法[A];第一屆建立和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2005）論文集[C];2005年

2 高美容;于明;;一種監(jiān)控視頻分段的方法[A];2007北京地區(qū)高校研究生學(xué)術(shù)交流會通信與信息技術(shù)會議論文集（上冊）[C];2008年

3 歐溫暖;田緒紅;朱同林;;基于課室監(jiān)控視頻的課堂行為計數(shù)分析[A];第五屆全國幾何設(shè)計與計算學(xué)術(shù)會議論文集[C];2011年

4 甘金明;;基于DSP的路燈監(jiān)控視頻捕捉器設(shè)計[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議�？痆C];2008年

5 李博;李國輝;涂丹;;非重疊監(jiān)控視頻中行人目標的檢測與匹配[A];第七屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2011)論文集【poster】[C];2011年

6 吳秀敏;唐志偉;張輝;;基于火災(zāi)監(jiān)控視頻的人員疏散行為統(tǒng)計分析[A];2013中國消防協(xié)會科學(xué)技術(shù)年會論文集[C];2013年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 和靜鈞;擅播公共監(jiān)控視頻并非都違法[N];深圳特區(qū)報;2013年

2 郭海濱　羅燕清 梁明翥;八一總場治安監(jiān)控視頻系統(tǒng)顯神威[N];海南農(nóng)墾報;2009年

3 王東亮;應(yīng)急指揮可隨時調(diào)用全市監(jiān)控視頻[N];北京日報;2007年

4 嘉興日報評論部 晏揚;監(jiān)控視頻：反腐利器如何出鞘[N];人民法院報;2013年

5 記者 洪奕宜　通訊員 粵公宣 麥媛玲;12種場所強制安裝監(jiān)控視頻[N];南方日報;2009年

6 楊濤;禁止擅傳公共場所監(jiān)控視頻是良法[N];深圳商報;2013年

7 記者 曹俊杰;監(jiān)視器下的真實[N];第一財經(jīng)日報;2011年

8 本報記者 徐雋 王漢超 申琳;禁看監(jiān)控，無妨監(jiān)督[N];人民日報;2013年

9 記者 李亦中　通訊員 潘峰;指揮調(diào)度集成化全國領(lǐng)先[N];長江日報;2011年

10 記者 李亞亞　劉冉冉 張冰芯;裝攝像頭能否防虐童？[N];廣州日報;2012年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 聶婕;人體生理活動監(jiān)控視頻中的關(guān)鍵事件檢測[D];中國海洋大學(xué);2011年

2 王亦民;面向監(jiān)控視頻的行人重識別技術(shù)研究[D];武漢大學(xué);2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 劉瑾;監(jiān)控視頻裁剪方法研究[D];吉林大學(xué);2010年

2 謬麗姬;基于顏色塊上下身區(qū)域的監(jiān)控視頻人物分類研究[D];南京大學(xué);2015年

3 周小龍;監(jiān)控視頻摘要生成技術(shù)的研究與實現(xiàn)[D];重慶大學(xué);2010年

4 肖金偉;監(jiān)控視頻中人物實例檢索關(guān)鍵技術(shù)研究[D];南京大學(xué);2012年

5 陳南款;基于分立目標的監(jiān)控視頻結(jié)構(gòu)化方法研究[D];深圳大學(xué);2015年

6 李招昕;基于流式計算的大規(guī)模監(jiān)控視頻分析關(guān)鍵技術(shù)研究[D];上海大學(xué);2015年

7 胡憲洋;監(jiān)控視頻中特定目標的檢測與辨識方法研究[D];電子科技大學(xué);2015年

8 趙薇;監(jiān)控視頻事件描述與識別技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2006年

9 馬玲;基于本體的監(jiān)控視頻描述與檢索研究及流媒體發(fā)布平臺開發(fā)[D];上海交通大學(xué);2010年

10 陳姣姣;基于本體的監(jiān)控視頻事件探測研究[D];江蘇科技大學(xué);2012年

  本文關(guān)鍵詞：監(jiān)控視頻場景異常檢測技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

本文編號：373920