發(fā)布時間：2017-05-18 03:13

  本文關(guān)鍵詞：基于行為差分的視頻異常檢測方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著安全問題受到社會的日益關(guān)注,智能視頻監(jiān)控在校園、銀行、交通要道、停車場等公共場所具有良好的應(yīng)用前景,是計算機視覺領(lǐng)域的熱門研究方向之一。異常行為檢測則是智能視頻監(jiān)控系統(tǒng)的重要任務(wù)。盡管相關(guān)研究者已經(jīng)提出了多種提高異常行為檢測性能的算法,但是其中往往涉及大量的學(xué)習(xí)過程和復(fù)雜的數(shù)學(xué)計算,難以適應(yīng)復(fù)雜的監(jiān)控場景、滿足智能視頻監(jiān)控系統(tǒng)對實時性的要求。本文利用可快速獲取的運動目標(biāo)生成行為模型,通過差分計算,以正常的行為模型對監(jiān)控視頻中異常行為進行估計。該方法既避免了傳統(tǒng)的軌跡法需要在復(fù)雜場景下實現(xiàn)目標(biāo)跟蹤的問題,同時簡化了目標(biāo)特征提取和建模過程,提高了檢測效率。本文的主要研究內(nèi)容如下：(1)研究了運動目標(biāo)檢測的經(jīng)典算法,對傳統(tǒng)的高斯背景建模算法進行了改進,以適應(yīng)復(fù)雜的背景運動,提高背景模型收斂速率；(2)通過計算目標(biāo)運動標(biāo)簽并結(jié)合目標(biāo)描述符為視頻中的運動目標(biāo)建立了描述其動態(tài)統(tǒng)計特性的行為模型,避免了傳統(tǒng)方法需要對目標(biāo)進行跟蹤、特征提取、分割或最優(yōu)化迭代等復(fù)雜的多階段處理過程,簡化了計算復(fù)雜度；(3)利用區(qū)間估計理論獲得行為差分的閾值,將異常行為檢測問題轉(zhuǎn)化為訓(xùn)練視頻和觀測視頻中行為圖的比較問題,提高了檢測效率(4)在改進的異常行為檢測算法的基礎(chǔ)上,將監(jiān)控視頻中異常的部分生產(chǎn)一段視頻摘要,標(biāo)注異常行為發(fā)生的時間和位置。
【關(guān)鍵詞】：異常行為檢測 行為差分 視頻摘要 區(qū)間估計 視頻監(jiān)控
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN919.81
【目錄】：

• 致謝7-8
• 摘要8-9
• ABSTRACT9-13
• 第一章 緒論13-18
• 1.1 研究背景與意義13-14
• 1.2 研究領(lǐng)域與發(fā)展現(xiàn)狀14-16
• 1.2.1 跟蹤軌跡法14-15
• 1.2.2 相關(guān)性分析法15
• 1.2.3 動態(tài)背景法15-16
• 1.3 主要內(nèi)容與章節(jié)安排16-18
• 第二章 運動目標(biāo)檢測技術(shù)18-35
• 2.1 運動目標(biāo)檢測常見方法18-22
• 2.1.1 光流法18-20
• 2.1.2 幀間差分法20-21
• 2.1.3 背景差分法21-22
• 2.2 背景建模方法22-27
• 2.2.1 均值法背景模型23
• 2.2.2 中值法背景模型23-24
• 2.2.3 碼本法背景模型24
• 2.2.4 高斯背景模型24-26
• 2.2.5 核密度估計背景模型26-27
• 2.3 基于改進混合高斯模型的目標(biāo)檢測算法27-32
• 2.3.1 自適應(yīng)混合高斯模型27-29
• 2.3.2 GMM算法參數(shù)分析29-30
• 2.3.3 基于GMM改進算法的目標(biāo)檢測30-32
• 2.4 實驗結(jié)果與分析32-34
• 2.5 本章小結(jié)34-35
• 第三章 監(jiān)控視頻異常行為檢測35-47
• 3.1 行為信號及其描述方法35-37
• 3.1.1 行為空間35
• 3.1.2 運動標(biāo)簽35-36
• 3.1.3 標(biāo)描述符36-37
• 3.2 事件模型37-40
• 3.2.1 隱馬爾科夫模型37-39
• 3.2.2 行為動態(tài)模型39-40
• 3.3 異常檢測：行為差分40-41
• 3.4 基于改進行為差分的異常檢測方法41-43
• 3.4.1 背景行為動態(tài)圖估計41-42
• 3.4.2 異常行為檢測42-43
• 3.5 實驗結(jié)果與分析43-46
• 3.5.1 數(shù)據(jù)集與參數(shù)設(shè)置43
• 3.5.2 實驗結(jié)果與分析43-46
• 3.6 本章小結(jié)46-47
• 第四章 基于異常行為檢測的監(jiān)控視頻摘要系統(tǒng)47-57
• 4.1 視頻摘要方法概述47-50
• 4.1.1 研究現(xiàn)狀47-48
• 4.1.2 視頻摘要的主要形式48
• 4.1.3 視頻摘要的生成方法48-50
• 4.2 運動軌跡獲取50-52
• 4.2.1 感興趣區(qū)域提取50
• 4.2.2 運動目標(biāo)跟蹤和軌跡提取50-52
• 4.3 生成摘要52-56
• 4.3.1 軌跡優(yōu)化52-54
• 4.3.2 目標(biāo)融合54-56
• 4.4 本章小結(jié)56-57
• 第五章 總結(jié)與展望57-59
• 5.1 全文總結(jié)57-58
• 5.2 工作展望58-59
• 參考文獻59-64
• 攻讀碩士學(xué)位期間的學(xué)術(shù)活動及成果情況64-65

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 羅超宇;;基于視頻序列的人體異常行為檢測技術(shù)分析[J];電子制作;2013年18期

2 崔永艷;高陽;;基于多示例學(xué)習(xí)的異常行為檢測方法[J];模式識別與人工智能;2011年06期

3 陸海先;郭立;桂樹;謝錦生;;基于潛在主題的視頻異常行為分析[J];通信技術(shù);2012年07期

4 周維柏;李蓉;;基于軌跡特征分析的行人異常行為識別[J];電腦編程技巧與維護;2010年12期

5 李曉東;凌捷;;基于視頻監(jiān)控參考量的異常行為檢測研究[J];計算機技術(shù)與發(fā)展;2012年09期

6 姬曉飛;吳倩倩;李一波;;改進時空特征的人體異常行為檢測方法研究[J];沈陽航空航天大學(xué)學(xué)報;2013年05期

7 桑海峰;郭昊;徐超;;基于運動特征的人體異常行為識別[J];中國科技論文;2014年07期

8 王傳旭;董晨晨;;基于時空特征點的群體異常行為檢測算法[J];數(shù)據(jù)采集與處理;2012年04期

9 沈海燕;馮云梅;史宏;;基于信息融合的客運站人體異常行為識別研究[J];公路交通科技;2009年S1期

10 陳穎鳴;陳樹越;張顯亭;;智能視頻監(jiān)控中異常行為識別研究[J];微電子學(xué)與計算機;2010年11期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 王碧英;孫健敏;;公仆型領(lǐng)導(dǎo)對員工行為的影響[A];第十二屆全國心理學(xué)學(xué)術(shù)大會論文摘要集[C];2009年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 林娜;小鼠異常行為的遺傳基礎(chǔ)研究[D];東北農(nóng)業(yè)大學(xué);2006年

2 Popoola Oluwatoyin Pius;擁擠環(huán)境下的異常行為檢測研究[D];哈爾濱工程大學(xué);2012年

3 張軍;基于視頻的運動人體異常行為分析識別研究[D];西安電子科技大學(xué);2009年

4 劉皓;基于條件隨機場模型的異常行為檢測方法研究[D];中國科學(xué)技術(shù)大學(xué);2014年

5 張毅;MANET環(huán)境中基于移動Agent的異常行為檢測與防御[D];哈爾濱工程大學(xué);2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張雁冰;監(jiān)控視頻中人體異常行為檢測研究[D];深圳大學(xué);2015年

2 梁玉;基于ORB興趣點的異常行為檢測技術(shù)研究[D];鄭州大學(xué);2015年

3 陳崗;治安監(jiān)控中基于計算機視覺的異常行為檢測技術(shù)研究[D];上海交通大學(xué);2015年

4 許龍;視頻中的異常行為檢測與分析研究[D];上海交通大學(xué);2015年

5 姚源;視頻中異常行為發(fā)現(xiàn)方法研究及實現(xiàn)[D];電子科技大學(xué);2014年

6 王朝新;基于視頻的行人異常行為檢測技術(shù)的應(yīng)用研究[D];電子科技大學(xué);2014年

7 張海峰;陽煤集團視頻異常監(jiān)控系統(tǒng)設(shè)計與實現(xiàn)[D];電子科技大學(xué);2014年

8 張丹;視頻監(jiān)控系統(tǒng)下航站樓旅客異常行為檢測方法研究[D];南京航空航天大學(xué);2014年

9 梁琛華;視頻監(jiān)控中的人體異常行為識別[D];國防科學(xué)技術(shù)大學(xué);2013年

10 朱明凌;面向智能視頻監(jiān)控系統(tǒng)的運動目標(biāo)檢測與異常行為分析[D];中國計量學(xué)院;2015年

  本文關(guān)鍵詞：基于行為差分的視頻異常檢測方法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：375033