本文關(guān)鍵詞：視頻監(jiān)控下實(shí)時(shí)異常行為檢測(cè)研究　出處：《南京郵電大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 智能監(jiān)控系統(tǒng) 異常檢測(cè) 實(shí)時(shí)檢測(cè) 圖像塊模型 UMN數(shù)據(jù)集 UCSD數(shù)據(jù)集 Subway數(shù)據(jù)集

【摘要】：隨著計(jì)算機(jī)和互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展和社會(huì)各個(gè)領(lǐng)域?qū)Π踩枨蟮牟粩嘣鲩L,智能監(jiān)控技術(shù)得到了飛速發(fā)展。在機(jī)場和火車站的安檢、交通管控、國防安全等方面都在應(yīng)用智能監(jiān)控技術(shù)。傳統(tǒng)的視頻分析主要依靠人,這種監(jiān)控系統(tǒng)無法適應(yīng)現(xiàn)在的海量的視頻數(shù)據(jù),無法保證監(jiān)控系統(tǒng)的高效和可靠。高效、可靠的智能監(jiān)控系統(tǒng)應(yīng)運(yùn)而生,能夠提高視頻監(jiān)控系統(tǒng)的智能化。在人群中的異常行為檢測(cè)方法中,本文首先對(duì)視頻集合進(jìn)行預(yù)處理從而得到可以直接進(jìn)行處理的視頻序列,之后提取全局的目標(biāo)特征(如時(shí)空特征、運(yùn)動(dòng)矢量特征、運(yùn)動(dòng)矢量直方圖、網(wǎng)格尺度通量特征),然后根據(jù)這些特征對(duì)視頻進(jìn)行異常行為分析,即進(jìn)行以下三步處理:根據(jù)提取的特征能量信息進(jìn)行異常行為分析;若不存在異常,則根據(jù)提取特征的色散性進(jìn)行異常行為分析;若不存在異常,則根據(jù)提取的特征之間的拉格朗日粒子動(dòng)力學(xué)進(jìn)行分析,若依然不存在異常則進(jìn)行局部異常檢測(cè)。在檢測(cè)過程中,網(wǎng)格尺度特征不僅可以用于全局異常行為檢測(cè),而且可以用于對(duì)不存在全局異常行為的視頻進(jìn)行局部異常檢測(cè)。接下來進(jìn)行局部異常行為的檢測(cè),首先對(duì)正常活動(dòng)進(jìn)行圖像塊提取,對(duì)提取的圖像塊的關(guān)鍵區(qū)域進(jìn)行建模并計(jì)算區(qū)域之間的關(guān)聯(lián)性,從而得到正�；顒�(dòng)模型,然后對(duì)測(cè)試視頻進(jìn)行圖像塊的提取和圖像塊的優(yōu)化,從而判斷是否存在局部異常行為,若存在異常行為則在圖像幀上進(jìn)行標(biāo)注。在UMN數(shù)據(jù)集、UCSD數(shù)據(jù)集和Subway數(shù)據(jù)集上使用本文方法進(jìn)行實(shí)驗(yàn),從實(shí)驗(yàn)結(jié)果中可以得出本文的方法可以在存在光照、陰影等干擾的情況下,依然能夠?qū)σ曨l中的異常行為進(jìn)行檢測(cè),并且較其他幾種方法在性能上有所提高。
[Abstract]:With the continuous development of computer and Internet technology and the security requirements of each field of the society, intelligent monitoring technology has been rapid development. At the airport and train station security, traffic control, national security and other aspects in the application of intelligent monitoring technology. Video analysis rely mainly on the traditional people, this can not adapt to the video monitoring system now the massive data, can not guarantee the efficient and reliable monitoring system. The intelligent monitoring system came into being efficient, reliable, can improve the intelligent video monitoring system. The abnormal behavior in the crowd detection method, this paper firstly preprocess the video sequence to get can be processed directly to the video collection target features the overall extraction (such as temporal and spatial features, the feature of motion vector, motion vector histogram, grid scale fluxes), then according to the characteristics of Analysis of abnormal behavior of the video, the following three steps: according to the analysis of abnormal behavior characteristics of energy information extraction; if there is abnormal, abnormal behavior analysis based on dispersion feature extraction; if there is no exception, according to the Lagrange particle dynamics between the extracted features are analyzed, if still there is no exception is the local anomaly detection. In the detection process, the grid scale features can be used not only for global anomaly detection, but also can be used for abnormal behavior there is no global video local anomaly detection. Then detection of abnormal behavior, the first image block extraction of normal activities, and the model correlation calculation between regions the extraction of image blocks of key areas, so as to obtain the normal activity model, then the image blocks were extracted and the test video Optimization of block image, and to determine whether there is abnormal behavior, if there is abnormal behavior is marked in the image frame. In the UMN data set, using the UCSD data set and Subway data set on the experiment method from the experimental results can be obtained in this paper can be illuminated in the presence of shadows, disturbances next, still able to detect abnormal behaviors in video, and increased compared with the other method in performance.

【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN948.6;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 顧勇;張燦果;龔志廣;;基于圖像塊分割融合算法在醫(yī)學(xué)圖像中的應(yīng)用[J];河北建筑工程學(xué)院學(xué)報(bào);2007年02期

2 李天偉;黃謙;郭模燦;何四華;;圖像塊混沌特征在海面運(yùn)動(dòng)目標(biāo)檢測(cè)中的應(yīng)用[J];中國造船;2011年02期

3 李軍;部分圖像塊的顯示及特技制作技巧[J];電腦編程技巧與維護(hù);1997年04期

4 李生金;蒲寶明;賀寶岳;王維維;;基于圖像塊的滯留物/移取物的檢測(cè)方法[J];小型微型計(jì)算機(jī)系統(tǒng);2014年01期

5 趙德斌;陳耀強(qiáng);高文;;基于圖像塊方向的自適應(yīng)無失真編碼[J];模式識(shí)別與人工智能;1998年01期

6 陳琦,李華,朱光喜;一種新的應(yīng)用于屏幕共享的圖像塊識(shí)別算法[J];電訊技術(shù);2000年06期

7 劉尚翼;霍永津;羅欣榮;白仲亮;魏林鋒;項(xiàng)世軍;;基于圖像塊相關(guān)性分類的加密域可逆數(shù)據(jù)隱藏[J];武漢大學(xué)學(xué)報(bào)(理學(xué)版);2013年05期

8 陳奮,閆冬梅,趙忠明;一種快速圖像塊填充算法及其在遙感影像處理中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用;2005年10期

9 馬文龍,余寧梅,銀磊,高勇;圖像塊動(dòng)態(tài)劃分矢量量化[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2005年02期

10 李維釗,王廣偉;圖像塊平坦測(cè)度與系數(shù)掃描方式選擇[J];山東電子;2000年04期

相關(guān)會(huì)議論文 前2條

1 李趙紅;侯建軍;宋偉;;基于圖像塊等級(jí)模型的多重認(rèn)證水印算法[A];第八屆全國信息隱藏與多媒體安全學(xué)術(shù)大會(huì)湖南省計(jì)算機(jī)學(xué)會(huì)第十一屆學(xué)術(shù)年會(huì)論文集[C];2009年

2 鐘凡;莫銘臻;秦學(xué)英;彭群生;;基于WSSD的不規(guī)則圖像塊快速匹配[A];中國計(jì)算機(jī)圖形學(xué)進(jìn)展2008--第七屆中國計(jì)算機(jī)圖形學(xué)大會(huì)論文集[C];2008年

相關(guān)博士學(xué)位論文 前5條

1 霍雷剛;圖像處理中的塊先驗(yàn)理論及應(yīng)用研究[D];西安電子科技大學(xué);2015年

2 欽夏孟;稠密圖像塊匹配方法及其應(yīng)用[D];北京理工大學(xué);2015年

3 林樂平;基于過完備字典的非凸壓縮感知理論與方法研究[D];西安電子科技大學(xué);2016年

4 向濤;復(fù)雜場景下目標(biāo)檢測(cè)算法研究[D];電子科技大學(xué);2016年

5 宋偉;幾類數(shù)字圖像水印算法的研究[D];北京交通大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 張書揚(yáng);基于冗余字典的圖像壓縮感知技術(shù)研究[D];吉林大學(xué);2016年

2 楊存強(qiáng);基于圖像塊多級(jí)分類和稀疏表示的超分辨率重建算法研究[D];天津工業(yè)大學(xué);2016年

3 李向向;視頻監(jiān)控下實(shí)時(shí)異常行為檢測(cè)研究[D];南京郵電大學(xué);2016年

4 魏譜躚;基于圖像塊特征的焊縫識(shí)別算法研究[D];西安科技大學(xué);2014年

5 杭仁龍;基于主動(dòng)學(xué)習(xí)的遙感圖像分類研究[D];南京信息工程大學(xué);2014年

6 劉尚翼;加密域可逆信息隱藏研究[D];暨南大學(xué);2014年

7 張曉旭;圖像內(nèi)容可恢復(fù)的變?nèi)萘看嗳跛∷惴ㄑ芯縖D];西南交通大學(xué);2014年

8 徐兆涵;人臉識(shí)別中尋找人臉結(jié)構(gòu)對(duì)稱性的方法[D];浙江工業(yè)大學(xué);2003年

9 王榮麗;基于半監(jiān)督學(xué)習(xí)的目標(biāo)跟蹤方法研究[D];浙江師范大學(xué);2015年

10 陸杰;使用自組織增量神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)單層非監(jiān)督特征學(xué)習(xí)[D];南京大學(xué);2015年

，

本文編號(hào)：1396730