發(fā)布時(shí)間：2017-04-08 03:05

  本文關(guān)鍵詞：視頻監(jiān)控中人群密度估計(jì)和人群異常行為識(shí)別，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著圖像處理、模式識(shí)別、人工智能等技術(shù)的飛速發(fā)展,視頻智能監(jiān)控也由理論研究逐漸轉(zhuǎn)向了廣泛應(yīng)用階段。因此,智能視頻監(jiān)控技術(shù)作為改善傳統(tǒng)監(jiān)控系統(tǒng)的核心技術(shù)得到了越來越多學(xué)者的密切關(guān)注。而作為智能視頻監(jiān)控巨大挑戰(zhàn)之一的人群分析包括人群密度估計(jì)和人群行為識(shí)別也成為各大研究者的研究目標(biāo)。本文搜集并查閱了人群理解相關(guān)的最新研究理論,對(duì)其涉及的一些相關(guān)知識(shí)如標(biāo)簽分布學(xué)習(xí)、多標(biāo)簽學(xué)習(xí)、人群密度估計(jì)、人群行為識(shí)別等進(jìn)行了較深入的研究,主要研究?jī)?nèi)容包括:1、介紹了多標(biāo)簽學(xué)習(xí)和標(biāo)簽分布學(xué)習(xí)算法的基礎(chǔ)理論知識(shí)。將多標(biāo)簽學(xué)習(xí)分為兩類問題轉(zhuǎn)化法和算法適應(yīng)法,并分別對(duì)其進(jìn)行了簡(jiǎn)單論述。針對(duì)傳統(tǒng)的基于監(jiān)督學(xué)習(xí)的多標(biāo)簽學(xué)習(xí)算法為了獲得準(zhǔn)確的標(biāo)簽分類模型要求有充足訓(xùn)練樣本的缺陷,引出了直推式多標(biāo)簽學(xué)習(xí)算法。并分析了直推式多標(biāo)簽學(xué)習(xí)相比其他多標(biāo)簽學(xué)習(xí)算法的優(yōu)越性。標(biāo)簽分布是由每個(gè)標(biāo)簽對(duì)圖像的描述程度組成,它認(rèn)為每一張圖像都與一個(gè)標(biāo)簽分布相對(duì)應(yīng),標(biāo)簽分布學(xué)習(xí)在學(xué)習(xí)過程中考慮到了所有可能的標(biāo)簽,使得分類器泛化能力增強(qiáng)。2、提出一種基于標(biāo)簽分布學(xué)習(xí)的人群密度估計(jì)算法。本文為每一幀人群圖像分配一個(gè)概率分布,來代表人數(shù)標(biāo)簽對(duì)圖像的描述程度。首先將人群圖像像素進(jìn)行透視歸一化匹配,并通過人群分割算法分割出視頻中的人群,提取人群圖像中的低水平特征包括分割特征、紋理特征、邊緣特征;然后采用條件概率神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法來訓(xùn)練人數(shù)標(biāo)簽分布模型,最后輸入測(cè)試圖像到標(biāo)簽分布模型后即可獲得圖像中的人數(shù)。除了通過人數(shù)誤差來評(píng)估算法的性能外,我們還對(duì)比了測(cè)試樣本的預(yù)測(cè)標(biāo)簽分布和真實(shí)標(biāo)簽分布。經(jīng)實(shí)驗(yàn)驗(yàn)證,在人群數(shù)據(jù)集UCSD上本文的算法的確表現(xiàn)了很好的效果。3、提出兩種人群異常行為識(shí)別算法。本文將人群異常行為識(shí)別看成一個(gè)多標(biāo)簽分類問題,對(duì)每個(gè)行為序列分配一個(gè)或多個(gè)行為標(biāo)簽,通過有標(biāo)簽或者無標(biāo)簽的行為序列信息得到有效的分類模型,完成人群異常行為的識(shí)別�；谄梅植紝W(xué)習(xí)的異常行為識(shí)別算法首先通過學(xué)習(xí)不一致排序得到一個(gè)潛在的偏好分布使其能兼容多個(gè)不一致排序,然后通過BFGS(Broyden Fletcher Goldfard Shann,高斯擬牛頓)標(biāo)簽分布學(xué)習(xí)算法學(xué)習(xí)這個(gè)潛在偏好分布模型,最終完成行為分類,這種方法解決了標(biāo)簽排序不一致的問題。而基于直推式多標(biāo)簽的異常行為識(shí)別算法將大量的測(cè)試集數(shù)據(jù)信息運(yùn)用于多標(biāo)簽的學(xué)習(xí),使得算法在測(cè)試數(shù)據(jù)集上獲得較好的行為分類效果。這種處理可以大大降低了標(biāo)注的不可靠性以及其產(chǎn)生的負(fù)面影響。本文采用多標(biāo)簽性能評(píng)估矩陣對(duì)兩種異常行為識(shí)別算法進(jìn)行了實(shí)驗(yàn)驗(yàn)證,并與其他算法進(jìn)行了比較。
【關(guān)鍵詞】：多標(biāo)簽學(xué)習(xí) 標(biāo)簽分布 標(biāo)簽分布學(xué)習(xí) 人群密度估計(jì) 偏好分布 人群行為識(shí)別
【學(xué)位授予單位】：中國(guó)計(jì)量學(xué)院
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN948.6
【目錄】：

• 致謝5-6
• 摘要6-8
• Abstract8-14
• 1. 緒論14-22
• 1.1. 本章引論14-15
• 1.2. 國(guó)內(nèi)外研究現(xiàn)狀分析15-20
• 1.2.1. 人群密度估計(jì)15-18
• 1.2.2. 異常行為識(shí)別18-20
• 1.3. 論文的主要工作和章節(jié)安排20-22
• 2. 基本理論及方法22-29
• 2.1. 本章引論22
• 2.2. 多標(biāo)簽學(xué)習(xí)22-26
• 2.3. 標(biāo)簽分布學(xué)習(xí)26-28
• 2.4. 小結(jié)28-29
• 3. 人群密度估計(jì)29-43
• 3.1. 本章引論29
• 3.2. 視頻中人群特征提取29-32
• 3.2.1. 人群圖像透視校正30-31
• 3.2.2. 人群分割31-32
• 3.2.3. 低水平人群特征提取32
• 3.3. 基于標(biāo)簽分布學(xué)習(xí)的人群密度估計(jì)32-36
• 3.3.1. 人數(shù)標(biāo)簽分布32-34
• 3.3.2. 條件概率神經(jīng)網(wǎng)絡(luò)標(biāo)簽分布學(xué)習(xí)34-36
• 3.3.3. 人群密度估計(jì)36
• 3.4. 實(shí)驗(yàn)結(jié)果與分析36-41
• 3.5. 小結(jié)41-43
• 4. 人群異常行為識(shí)別43-59
• 4.1. 本章引論43
• 4.2. 基于偏好分布學(xué)習(xí)的人群異常行為識(shí)別43-50
• 4.2.1. 不一致行為標(biāo)簽排序?qū)W習(xí)45
• 4.2.2. 偏好分布模型學(xué)習(xí)45-47
• 4.2.3. 人群異常行為識(shí)別47-48
• 4.2.4. 實(shí)驗(yàn)結(jié)果與分析48-50
• 4.3. 基于直推式多標(biāo)簽學(xué)習(xí)的人群異常行為識(shí)別50-58
• 4.3.1. 行為標(biāo)簽標(biāo)注50-51
• 4.3.2. 直推式多標(biāo)簽學(xué)習(xí)51-54
• 4.3.3. 行為標(biāo)簽集預(yù)測(cè)54-55
• 4.3.4. 實(shí)驗(yàn)結(jié)果與分析55-58
• 4.4. 小結(jié)58-59
• 5. 總結(jié)與展望59-61
• 5.1. 研究工作總結(jié)59-60
• 5.2. 工作展望60-61
• 參考文獻(xiàn)61-66
• 作者簡(jiǎn)歷66

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 張燕;黎寧;劉福美;;一種基于區(qū)域劃分的人群密度估計(jì)快速方法[J];計(jì)算機(jī)與數(shù)字工程;2011年04期

2 劉福美;黎寧;張燕;張可;;一種基于圖像處理的人群密度估計(jì)方法[J];計(jì)算機(jī)與數(shù)字工程;2011年05期

3 麻文華;黃磊;劉昌平;;基于置信度分析的人群密度等級(jí)分類模型[J];模式識(shí)別與人工智能;2011年01期

4 胡波;李曉華;沈蘭蓀;;場(chǎng)景監(jiān)控中的人群密度估計(jì)[J];電路與系統(tǒng)學(xué)報(bào);2007年06期

5 楊裕;朱秋煜;吳喜梅;;復(fù)雜場(chǎng)景中的自動(dòng)人群密度估計(jì)[J];現(xiàn)代電子技術(shù);2009年17期

6 李雪峰;李曉華;周激流;;基于完全局部二值模式的人群密度估計(jì)[J];計(jì)算機(jī)工程與設(shè)計(jì);2012年03期

7 于艷艷;;商業(yè)社區(qū)人群密度監(jiān)測(cè)系統(tǒng)設(shè)計(jì)[J];科技廣場(chǎng);2008年03期

8 黃璐;林燕;;一種基于視頻的車站人群密度估計(jì)算法[J];計(jì)算機(jī)時(shí)代;2012年07期

9 賈永華;呼志剛;浦世亮;;基于視頻前景邊緣和特征檢測(cè)的人群密度估計(jì)方法[J];中國(guó)公共安全(綜合版);2011年05期

10 覃勛輝;王修飛;周曦;劉艷飛;李遠(yuǎn)錢;;多種人群密度場(chǎng)景下的人群計(jì)數(shù)[J];中國(guó)圖象圖形學(xué)報(bào);2013年04期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫 前2條

1 方曼;姚曉暉;李劍峰;;社會(huì)重大活動(dòng)中人群的監(jiān)測(cè)與管控方法研究[A];中國(guó)職業(yè)安全健康協(xié)會(huì)2009年學(xué)術(shù)年會(huì)論文集[C];2009年

2 熊艷;馮志斌;;人群密集場(chǎng)所人流管控方案探討[A];中國(guó)職業(yè)安全健康協(xié)會(huì)2008年學(xué)術(shù)年會(huì)論文集[C];2008年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫 前1條

1 記者 陳建強(qiáng) 通訊員 張軼帆;南開大學(xué) 實(shí)現(xiàn)人群密度與軌跡智能跟蹤[N];光明日?qǐng)?bào);2012年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 葉子;基于視覺計(jì)算的人群場(chǎng)景理解與行為分析[D];中國(guó)礦業(yè)大學(xué)（北京）;2013年

2 朱海龍;復(fù)雜氣象條件下動(dòng)態(tài)人群場(chǎng)景分析方法研究[D];哈爾濱工業(yè)大學(xué);2012年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 郄志安;基于視頻的目標(biāo)跟蹤及人群密度估計(jì)方法研究[D];上海交通大學(xué);2015年

2 張兵;智能視頻監(jiān)控中人群密度分析及突發(fā)異常行為檢測(cè)[D];北京交通大學(xué);2016年

3 廖國(guó)銘;基于粘滯濾波器的集群行為方法研究[D];華南理工大學(xué);2016年

4 王健;人群密度估計(jì)方法的研究與實(shí)現(xiàn)[D];上海師范大學(xué);2016年

5 李杰;基于視頻的人群異常聚集檢測(cè)[D];中國(guó)地質(zhì)大學(xué)(北京);2016年

6 陳群;基于人群密度估計(jì)的視頻監(jiān)控技術(shù)[D];東華大學(xué);2016年

7 張琛;人群異常行為和人臉對(duì)齊算法設(shè)計(jì)[D];華南理工大學(xué);2015年

8 劉倩男;基于視頻的人群異常檢測(cè)方法研究[D];重慶大學(xué);2016年

9 孫敏;視頻監(jiān)控中人群密度估計(jì)和人群異常行為識(shí)別[D];中國(guó)計(jì)量學(xué)院;2016年

10 任慶云;智能視頻監(jiān)控中的人群密度估計(jì)方法[D];河北師范大學(xué);2011年

  本文關(guān)鍵詞：視頻監(jiān)控中人群密度估計(jì)和人群異常行為識(shí)別，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：291914