行人行為異常檢測是計(jì)算機(jī)視覺研究領(lǐng)域關(guān)注的重要話題,也是傳統(tǒng)視頻監(jiān)控升級為智能監(jiān)控的關(guān)鍵性技術(shù)問題。盡管行人行為異常檢測已有很多學(xué)者進(jìn)行研究并取得一定成果,但由于復(fù)雜環(huán)境下表征行人行為特征的信息提取難,導(dǎo)致行人行為研究的進(jìn)展較緩慢。為此,本文針對ViBe算法在復(fù)雜環(huán)境下陰影、鬼影和斑點(diǎn)導(dǎo)致行人前景提取難的問題,研究改進(jìn)型ViBe算法。進(jìn)而,在深究基本卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特性和功能設(shè)計(jì)基礎(chǔ)上,探討適合于行人行為檢測的改進(jìn)型2D、3D卷積神經(jīng)網(wǎng)絡(luò)。主要工作和取得的成果如下:1.針對ViBe算法在行人前景提取中較易受復(fù)雜環(huán)境影響的問題,提出改進(jìn)型ViBe算法。算法設(shè)計(jì)中,采取梯度與背景均方差加權(quán)方式設(shè)計(jì)閾值半徑自適應(yīng)更新策略;基于HSV色彩空間中陰影及行人前景所在區(qū)域的亮度、飽和度和色度設(shè)計(jì)陰影檢測規(guī)則;借助前景-鄰域直方圖的相似度匹配及背景二次更新策略設(shè)計(jì)鬼影消除規(guī)則。比較性的數(shù)值實(shí)驗(yàn)表明,該算法的魯棒性強(qiáng),計(jì)算復(fù)雜度低,能有效地獲得較為完整的行人前景。2.在深入剖析2D卷積神經(jīng)網(wǎng)絡(luò)的基本原理、基本結(jié)構(gòu)和功能設(shè)計(jì)基礎(chǔ)上,通過利用以上改進(jìn)型ViBe算法,并結(jié)合Dropout機(jī)制、數(shù)據(jù)增強(qiáng)策略等... 

【文章來源】：貴州大學(xué)貴州省 211工程院校

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【部分圖文】：

RGB色彩空間模型

圖 2.2 RGB 彩圖 圖 2.3 灰度圖SV 顏色空間[42]色空間同 RGB 顏色空間類似，也是圖像的一種表達(dá)方式，其由三個(gè)像處理中; H 表示色度(Hue)、S 表示飽和度(Saturation)、V 表示亮息均由此顏色空間的三種不同屬性來表示。人所能觀察到的各種視覺對于顏色主色波長所產(chǎn)生的色彩感覺，體現(xiàn)了顏色最基本的屬的純正程度，飽和度越高，顏色越鮮明，它體現(xiàn)顏色深淺程度。色質(zhì)特性。亮度是指圖像的明暗程度，其和光照強(qiáng)度密切相關(guān)。如果則這種顏色將趨近于黑色，反之若顏色的光亮很強(qiáng)，則顏色趨向于彩空間[43]模型可形象為一個(gè)六棱錐，如圖 2.4 所示。在圖 2.4(a)中，的底部頂點(diǎn)代表黑色，錐頂面中心點(diǎn) V=1 處表示白色。色度圍繞方向代表不同的色度，例如o0 方向表示紅色、o120 方向表示綠飽和度用六棱錐頂面中心點(diǎn)到主軸的距離表示。圖 2.4(b)、(c)直觀

圖 2.2 RGB 彩圖 圖 2.3 灰度圖SV 顏色空間[42]色空間同 RGB 顏色空間類似，也是圖像的一種表達(dá)方式，其由三個(gè)像處理中; H 表示色度(Hue)、S 表示飽和度(Saturation)、V 表示亮息均由此顏色空間的三種不同屬性來表示。人所能觀察到的各種視覺對于顏色主色波長所產(chǎn)生的色彩感覺，體現(xiàn)了顏色最基本的屬的純正程度，飽和度越高，顏色越鮮明，它體現(xiàn)顏色深淺程度。色質(zhì)特性。亮度是指圖像的明暗程度，其和光照強(qiáng)度密切相關(guān)。如果則這種顏色將趨近于黑色，反之若顏色的光亮很強(qiáng)，則顏色趨向于彩空間[43]模型可形象為一個(gè)六棱錐，如圖 2.4 所示。在圖 2.4(a)中，的底部頂點(diǎn)代表黑色，錐頂面中心點(diǎn) V=1 處表示白色。色度圍繞方向代表不同的色度，例如o0 方向表示紅色、o120 方向表示綠飽和度用六棱錐頂面中心點(diǎn)到主軸的距離表示。圖 2.4(b)、(c)直觀

【參考文獻(xiàn)】：
期刊論文
[1]采用PHOG融合特征和多類別Adaboost分類器的行為識別[J]. 馬世偉,劉麗娜,傅琪,溫加睿.  光學(xué)精密工程. 2018(11)
[2]一種改進(jìn)光流法的運(yùn)動(dòng)目標(biāo)檢測及跟蹤算法[J]. 李成美,白宏陽,郭宏偉,梁華駒.  儀器儀表學(xué)報(bào). 2018(05)
[3]視頻監(jiān)控環(huán)境下行人異常識別方法研究[J]. 王家鵬,張著洪.  貴州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(02)
[4]基于魯棒主成分分析的運(yùn)動(dòng)目標(biāo)檢測優(yōu)化算法[J]. 楊依忠,汪鵬飛,胡雄樓,伍能舉.  電子與信息學(xué)報(bào). 2018(06)
[5]基于監(jiān)控視頻的前景目標(biāo)提取[J]. 雷瀚清,李豪,滕國偉.  電子測量技術(shù). 2018(07)
[6]基于空-時(shí)域特征決策級融合的人體行為識別算法[J]. 李艷荻,徐熙平.  光學(xué)學(xué)報(bào). 2018(08)
[7]基于視頻深度學(xué)習(xí)的時(shí)空雙流人物動(dòng)作識別模型[J]. 楊天明,陳志,岳文靜.  計(jì)算機(jī)應(yīng)用. 2018(03)
[8]基于混合高斯模型與五幀差分的運(yùn)動(dòng)目標(biāo)檢測算法[J]. 李戰(zhàn)明,譚向陽.  計(jì)算機(jī)與數(shù)字工程. 2018(02)
[9]基于均值背景與三幀差分的運(yùn)動(dòng)目標(biāo)檢測[J]. 亢潔,李曉靜.  陜西科技大學(xué)學(xué)報(bào). 2018(01)
[10]結(jié)合光流法與最近鄰算法的運(yùn)動(dòng)目標(biāo)檢測[J]. 魯春,楊會(huì)成,楊文斌,朱文博.  四川理工學(xué)院學(xué)報(bào)(自然科學(xué)版). 2017(05)

碩士論文
[1]基于在線魯棒主成分分析的運(yùn)動(dòng)目標(biāo)檢測方法研究[D]. 莫言.湘潭大學(xué) 2018
[2]復(fù)雜場景下的基于雙流網(wǎng)絡(luò)的視頻目標(biāo)分割算法研究[D]. 鄧志新.中國科學(xué)技術(shù)大學(xué) 2018
[3]視頻中的人體動(dòng)作行為識別研究[D]. 覃耀輝.電子科技大學(xué) 2011
[4]運(yùn)動(dòng)目標(biāo)檢測與陰影消除的研究[D]. 徐柱.江蘇大學(xué) 2010



本文編號：3099843