本文關(guān)鍵詞：視頻異常事件檢測算法研究

  更多相關(guān)文章： 異常檢測 排序直方圖 支持向量數(shù)據(jù)描述 局部敏感哈希 最優(yōu)投影

【摘要】：智能視頻監(jiān)控利用計算機視覺等技術(shù)對監(jiān)控內(nèi)容進行理解與分析,在平安城市建設(shè)中發(fā)揮著不可替代的作用。作為智能視頻監(jiān)控的一項重要內(nèi)容,視頻異常事件檢測能夠自動發(fā)現(xiàn)監(jiān)控場景中的異常行為并作出預(yù)警,有效地幫助安全人員處理突發(fā)事件。本文針對日常生活場景中如人行道上開車、地鐵站逃票和廣場上人群恐慌等異常事件,提出了兩種新穎的視頻異常事件檢測算法。第一種算法融合運動信息和外觀信息實現(xiàn)視頻異常事件檢測。針對運動異常檢測,我們采用排序光流直方圖來統(tǒng)計正常運動模式的分布并提出“攔截直條”的概念來辨別異常運動；針對外觀異常檢測,我們利用支持向量數(shù)據(jù)描述在特征空間中尋找包含盡可能多正常樣本的體積最小的超球,并利用觀測樣本到超球球心的距離來判斷其是否異常。最后我們提出新的基于證據(jù)理論的融合方法將動作和外觀異常結(jié)果進行融合,得到準確率更高的異常事件檢測結(jié)果。第二種算法采用局部敏感哈希濾波來檢測視頻中的異常事件。我們利用局部敏感哈希函數(shù)將訓(xùn)練數(shù)據(jù)集映射到一系列哈希桶中,對于新的測試樣本,我們將其投影到測試哈希桶中并尋找距離最近的訓(xùn)練哈希桶,根據(jù)測試樣本對最近訓(xùn)練哈希桶的濾波響應(yīng)來計算其異常程度。此外,我們提出哈希投影的評價函數(shù),并采用粒子群算法來尋找最優(yōu)的哈希映射函數(shù),提高異常事件檢測的效率和準確率。本文算法在三個公開的異常事件檢測庫上進行了評測,并與其他9種經(jīng)典算法分別進行了定量比較。實驗結(jié)果表明,本文算法能夠有效檢測不同場景中的異常行為,在ROC曲線、AUC值、檢測率、相等錯誤率和誤報率等評測準則上表現(xiàn)出與其他經(jīng)典算法相近甚至比其他算法更好的性能。
【關(guān)鍵詞】：異常檢測 排序直方圖 支持向量數(shù)據(jù)描述 局部敏感哈希 最優(yōu)投影
【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN948.6;TP391.41
【目錄】：

• 摘要5-6
• Abstract6-9
• 1 緒論9-16
• 1.1 研究背景及選題意義9-10
• 1.2 經(jīng)典算法及研究現(xiàn)狀10-13
• 1.2.1 基于監(jiān)督學(xué)習(xí)的異常事件檢測11-12
• 1.2.2 基于半監(jiān)督學(xué)習(xí)的異常事件檢測12-13
• 1.2.3 基于無監(jiān)督學(xué)習(xí)的異常事件檢測13
• 1.3 本文工作及主要貢獻13-16
• 2 基于動作和外觀信息融合的異常事件檢測16-28
• 2.1 基于動作特征的異常事件檢測16-20
• 2.1.1 動作特征統(tǒng)計直方圖16-17
• 2.1.2 攔截直條計算17-18
• 2.1.3 異常動作檢測18-20
• 2.2 基于外觀特征的異常事件檢測20-24
• 2.2.1 視頻表示20-21
• 2.2.2 支持向量數(shù)據(jù)描述21-23
• 2.2.3 異常外觀檢測23-24
• 2.3 基于證據(jù)理論的異常概率圖融合24-28
• 3 基于局部敏感哈希濾波的異常事件檢測28-38
• 3.1 相關(guān)算法介紹28-31
• 3.1.1 局部敏感哈希28-30
• 3.1.1.1 局部敏感哈希定義28-29
• 3.1.1.2 基于p-穩(wěn)定分布的局部敏感哈希29-30
• 3.1.2 布隆濾波器30-31
• 3.2 基于局部敏感哈希濾波的異常事件檢測31-34
• 3.2.1 視頻表示31
• 3.2.2 異常事件檢測31-33
• 3.2.3 模型在線更新33-34
• 3.3 尋找最優(yōu)哈希投影方向34-38
• 3.3.1 哈希投影評價函數(shù)34-35
• 3.3.2 粒子群算法尋找最優(yōu)哈希投影35-38
• 4 實驗與結(jié)果38-51
• 4.1 數(shù)據(jù)庫UCSD實驗結(jié)果與分析38-45
• 4.1.1 數(shù)據(jù)庫介紹38
• 4.1.2 評測準則38-39
• 4.1.3 實驗參數(shù)設(shè)置39-40
• 4.1.4 實驗結(jié)果比較與分析40-45
• 4.2 數(shù)據(jù)庫Subway實驗結(jié)果與分析45-49
• 4.2.1 數(shù)據(jù)庫介紹45
• 4.2.2 評測準則45
• 4.2.3 實驗參數(shù)設(shè)置45-46
• 4.2.4 實驗結(jié)果比較與分析46-49
• 4.3 數(shù)據(jù)庫UMN實驗結(jié)果與分析49-51
• 4.3.1 數(shù)據(jù)庫介紹49
• 4.3.2 評測準則49
• 4.3.3 實驗參數(shù)設(shè)置49
• 4.3.4 實驗結(jié)果比較與分析49-51
• 結(jié)論51-53
• 參考文獻53-57
• 攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況57-59
• 致謝59-61

【參考文獻】

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 宋波濤;智能視頻監(jiān)控系統(tǒng)的設(shè)計與實現(xiàn)[D];吉林大學(xué);2009年

，

本文編號：808236