針對(duì)視頻監(jiān)控場(chǎng)景中的暴力行為問(wèn)題,提出一種基于局部約束的稀疏分類(lèi)模型和運(yùn)動(dòng)韋伯特征相結(jié)合的暴力檢測(cè)方法。利用高斯濾波對(duì)輸入視頻去除一些噪聲,提取出運(yùn)動(dòng)韋伯特征;提出改進(jìn)的稀疏分類(lèi)模型用于特定類(lèi)字典的學(xué)習(xí),引入基于局部約束的表達(dá)約束項(xiàng)和系數(shù)調(diào)整項(xiàng)用于提高模型的判別性;提出相應(yīng)的分類(lèi)機(jī)制用于對(duì)視頻中的暴力行為進(jìn)行分類(lèi)。結(jié)果表明,提出的特征具有較強(qiáng)的判別性,且提出的基于局部約束的稀疏分類(lèi)模型非常有效。 

【文章來(lái)源】：計(jì)算機(jī)應(yīng)用與軟件. 2020,37(07)北大核心

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

提出的算法框架

改進(jìn)后的WLD直方圖的構(gòu)建如圖2所示。輸入圖像中的某一鄰域內(nèi)的像素分為4×4塊,每塊包含3×3個(gè)像素。這樣得到的WLD直方圖有4×4×12=192維的向量。改進(jìn)后的WLD只是對(duì)靜態(tài)圖像的處理,在暴力檢測(cè)時(shí),如果使用改進(jìn)后的WLD特征進(jìn)行特征描述,會(huì)產(chǎn)生很多與行為沒(méi)有關(guān)系的興趣點(diǎn)區(qū)域,對(duì)暴力檢測(cè)結(jié)果產(chǎn)生很大的影響。因此本文提出了運(yùn)動(dòng)韋伯描述子(MoWLD),它由兩部分構(gòu)成:累加的WLD直方圖,用來(lái)描述圖像的表觀空間;累加的光流直方圖,用來(lái)刻畫(huà)時(shí)間上的運(yùn)動(dòng)特征。此外,在同一位置的不同大小的子圖像能夠產(chǎn)生不同的特征向量,只有多尺度的圖像采樣方法可以解決這個(gè)問(wèn)題,因此本文可以采用基于P個(gè)像素的正方形對(duì)稱(chēng)的鄰域的集合計(jì)算得到的多尺度的WLD特征分析算法[12]。

這里我們直接將光流直方圖融入到WLD直方圖中形成MoWLD描述子,并不對(duì)光流方向進(jìn)行調(diào)整。圖3給出了MoWLD描述子的構(gòu)建過(guò)程。提取連續(xù)四幀圖像用于計(jì)算WLD和光流的直方圖,具有足夠運(yùn)動(dòng)量的候選興趣點(diǎn)被認(rèn)為是MoWLD的興趣點(diǎn),累加起來(lái)就是整個(gè)MoWLD特征。1.1.4 多尺度的MoWLD

【參考文獻(xiàn)】：
期刊論文
[1]圖結(jié)構(gòu)多尺度變換的視頻異常檢測(cè)[J]. 汪洪流,郭春生.  中國(guó)圖象圖形學(xué)報(bào). 2017(11)
[2]基于深度學(xué)習(xí)特征的異常行為檢測(cè)[J]. 王軍,夏利民.  湖南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(10)
[3]改進(jìn)星型級(jí)聯(lián)可形變部件模型的行人檢測(cè)[J]. 韋皓瀚,曹?chē)?guó),金挺,王必勝,尚巖峰.  中國(guó)圖象圖形學(xué)報(bào). 2017 (02)
[4]門(mén)禁系統(tǒng)中的異常行為檢測(cè)[J]. 楊偉清,范勇,高琳,胡鵬.  計(jì)算機(jī)應(yīng)用研究. 2017(03)

碩士論文
[1]面向家庭環(huán)境的人體日常行為識(shí)別[D]. 周霞.深圳大學(xué) 2016
[2]基于逐窗口優(yōu)光流法的人體異常行為檢測(cè)技術(shù)研究[D]. 宋明俊.深圳大學(xué) 2015



本文編號(hào)：3267145