本文關(guān)鍵詞：基于時(shí)空特征的異常行為建模與檢測(cè)算法研究

  更多相關(guān)文章： 異常行為檢測(cè) 3D-SIFT 目標(biāo)塊 協(xié)稀疏 組稀疏

【摘要】：隨著計(jì)算機(jī)技術(shù)的快速發(fā)展和視頻監(jiān)控技術(shù)的不斷革新,智能視頻監(jiān)控越來越受到人們的關(guān)注。而視頻中的異常行為檢測(cè)是智能視頻監(jiān)控中的一個(gè)重要研究方向,具有實(shí)時(shí)、智能、經(jīng)濟(jì)的特點(diǎn),在公共安全保障方面具有很高的學(xué)術(shù)價(jià)值和廣闊的商業(yè)前景,其主要工作是自動(dòng)分析一些人口流動(dòng)性大、稠密度高的監(jiān)控場(chǎng)景中的人群行為特征,一旦發(fā)生異常行為就立刻發(fā)出報(bào)警信號(hào),從而提高相關(guān)部門的應(yīng)急響應(yīng)速度。因此,針對(duì)視頻中的異常行為檢測(cè)需要進(jìn)行深入的研究。目前異常行為檢測(cè)的研究主要在于目標(biāo)行為的特征表示與檢測(cè)模型的構(gòu)建。本文對(duì)異常行為檢測(cè)模型進(jìn)行了研究,主要開展了以下工作:1、考慮到在監(jiān)控視頻序列中,由于不同位置的目標(biāo)距離攝像頭遠(yuǎn)近的差異,會(huì)對(duì)提取的特征產(chǎn)生影響,從而導(dǎo)致對(duì)行為的錯(cuò)誤判決,因此對(duì)視頻序列按位置分塊,以此來消除目標(biāo)距攝像頭遠(yuǎn)近所造成的影響。2、采用比光流魯棒性更高的3D-SIFT作為目標(biāo)特征,并將3D-SIFT特征轉(zhuǎn)化為熵屬性,分別從時(shí)域混亂屬性、空域混亂屬性及光流屬性對(duì)目標(biāo)塊局部特征進(jìn)行描述,最后通過KL距離屬性來對(duì)行為特征全局信息進(jìn)行表達(dá),并在此基礎(chǔ)上提出了一種基于多屬性融合的異常行為檢測(cè)模型。3、研究了協(xié)稀疏表示模型,將目標(biāo)塊特征的協(xié)稀疏先驗(yàn)作為正則項(xiàng)引入到異常行為檢測(cè)模型中,提出了基于協(xié)稀疏正則化的異行為件檢測(cè)算法,利用基于1l范數(shù)最小化的協(xié)稀疏編碼算法重構(gòu)目標(biāo)塊特征。4、研究了組稀疏表示模型,考慮到特征間的組結(jié)構(gòu)特性,對(duì)特征進(jìn)行分組并將組稀疏表示模型應(yīng)用到異常行為檢測(cè)模型中。對(duì)訓(xùn)練樣本進(jìn)行聚類,采用PCA方法為每一類樣本訓(xùn)練一個(gè)字典,利用基于2,1l最小化的組LASSO算法重構(gòu)目標(biāo)塊特征。為了比較和測(cè)試所提模型的有效性,本文在UCSD Ped1數(shù)據(jù)集、UMN數(shù)據(jù)集及WEB數(shù)據(jù)集上進(jìn)行了局部異常檢測(cè)與全局異常檢測(cè),實(shí)驗(yàn)結(jié)果表明,本文所提的三種算法在異常行為檢測(cè)模型方面取得了較好的檢測(cè)效果,并具有較低的檢測(cè)時(shí)間。
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41;TN948.6

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

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

2 崔永艷;高陽(yáng);;基于多示例學(xué)習(xí)的異常行為檢測(cè)方法[J];模式識(shí)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(shí)別[J];電腦編程技巧與維護(hù);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(cè)研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2012年09期

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

7 桑海峰;郭昊;徐超;;基于運(yùn)動(dòng)特征的人體異常行為識(shí)別[J];中國(guó)科技論文;2014年07期

8 王傳旭;董晨晨;;基于時(shí)空特征點(diǎn)的群體異常行為檢測(cè)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(yùn)站人體異常行為識(shí)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(shí)別研究[J];微電子學(xué)與計(jì)算機(jī);2010年11期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前1條

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

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 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(cè)研究[D];哈爾濱工程大學(xué);2012年

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

4 劉皓;基于條件隨機(jī)場(chǎng)模型的異常行為檢測(cè)方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2014年

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

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 趙德貴;基于視頻的人體骨架建模及異常行為分析研究[D];北京理工大學(xué);2014年

2 劉揚(yáng);平安城市視頻監(jiān)控系統(tǒng)中異常行為識(shí)別技術(shù)研究與實(shí)現(xiàn)[D];南京郵電大學(xué);2014年

3 張存正;網(wǎng)絡(luò)異常行為自動(dòng)識(shí)別技術(shù)研究[D];北方工業(yè)大學(xué);2016年

4 李騰芳;特定場(chǎng)景下人體異常行為檢測(cè)的若干技術(shù)研究[D];福州大學(xué);2014年

5 王娟;基于視頻的異常行為檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];西南交通大學(xué);2015年

6 陳磊;基于小波變換的群體異常行為檢測(cè)[D];上海大學(xué);2016年

7 易嫻;密集群體分割與異常行為檢測(cè)的研究與實(shí)現(xiàn)[D];上海大學(xué);2016年

8 徐凱;面向安防的智能行為分析系統(tǒng)研究與實(shí)現(xiàn)[D];東南大學(xué);2015年

9 張朋躍;人群狀態(tài)分析與異常行為檢測(cè)[D];中國(guó)民航大學(xué);2016年

10 何波;基于日志分析的網(wǎng)絡(luò)異常行為檢測(cè)關(guān)鍵技術(shù)研究[D];中國(guó)民航大學(xué);2016年

，

本文編號(hào)：1217942