本文關(guān)鍵詞：基于視頻監(jiān)控的人體行為分析算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：基于視頻的智能監(jiān)控系統(tǒng)是維護(hù)社會(huì)安全、影響生產(chǎn)生活、關(guān)系學(xué)術(shù)研究的重要課題之一。首先,本文詳細(xì)闡述了基于視頻的前景檢測技術(shù),指出現(xiàn)有混合高斯模型存在兩個(gè)問題,一個(gè)是計(jì)算速度較慢,另一個(gè)是難以處理光照突變對(duì)背景帶來的影響。本文從速度方面開始討論,提出了掃描線更新及模板更新算法來優(yōu)化速度問題,掃描線更新算法和模板更新算法速度優(yōu)化類似,但模板更新算法前景結(jié)果無明顯干擾,同時(shí)可以滿足實(shí)時(shí)監(jiān)控需求。接著,本文從無人行走和有人行走兩種場景下,采用三幀差法與混合高斯模型的結(jié)合處理光照突變,檢測效果遠(yuǎn)好于原混合高斯模型算法。然后,本文基于改進(jìn)的三步搜索算法,提出運(yùn)動(dòng)矢量評(píng)估算法,應(yīng)用到上下車人數(shù)統(tǒng)計(jì)系統(tǒng)中去,可以有效的檢測出人體的運(yùn)動(dòng)方向。本文采集大量原始視頻數(shù)據(jù),主要從攝像頭遮擋、區(qū)域檢測、攀高檢測、打架斗毆等場景下進(jìn)行人體行為識(shí)別研究。首先介紹攝像頭遮擋的判斷特征,根據(jù)灰度值及梯度差異判斷遮擋情況,給出了簡單場景下攝像頭被完全遮擋的實(shí)驗(yàn)結(jié)果。接著介紹了攀高檢測算法和區(qū)域入侵檢測算法,這兩種算法主要利用人體行為檢測出的前景圖像來判定,并介紹了這兩種算法的基本原理及實(shí)驗(yàn)步驟,給出實(shí)驗(yàn)結(jié)果。最后,重點(diǎn)介紹了打架斗毆行為的特點(diǎn)。從全局和局部特征對(duì)打架斗毆行為分析,得出規(guī)律,給出判斷規(guī)則,并詳細(xì)描述了實(shí)驗(yàn)的過程。然后從熵值、幅值最大值及區(qū)域運(yùn)動(dòng)劇烈幅值大值比例來判斷打架斗毆行為。實(shí)驗(yàn)結(jié)果表明,基于場景的算法研究具有良好的檢測效果,對(duì)上述場景及更復(fù)雜場景研究提供了實(shí)驗(yàn)依據(jù),奠定了算法基礎(chǔ)。
【關(guān)鍵詞】：前景檢測 混合高斯 優(yōu)化 模板匹配 特征提取 行為分析
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN948.6
【目錄】：

• 摘要5-6
• Abstract6-9
• 第一章 緒論9-15
• 1.1 研究背景及意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-13
• 1.2.1 前景檢測技術(shù)11-12
• 1.2.2 人體行為特征提取技術(shù)12
• 1.2.3 人體行為分析與識(shí)別技術(shù)12-13
• 1.3 論文的主要工作與組織結(jié)構(gòu)13-15
• 第二章 前景檢測算法及改進(jìn)15-28
• 2.1 常見的前景檢測算法15-18
• 2.1.1 幀差法15-16
• 2.1.2 背景減除法16-17
• 2.1.3 光流法17-18
• 2.2 混合高斯模型算法18-21
• 2.2.1 混合高斯模型基本理論18-20
• 2.2.2 原混合高斯光照突變及計(jì)算時(shí)間復(fù)雜度實(shí)驗(yàn)20-21
• 2.3 混合高斯模型算法優(yōu)化21-27
• 2.3.1 混合高斯算法時(shí)間復(fù)雜度優(yōu)化21-25
• 2.3.2 混合高斯模型光照突變處理25-27
• 2.4 本章小結(jié)27-28
• 第三章 人體行為特征提取算法28-36
• 3.1 常見的特征提取算法28-30
• 3.1.1 梯度方向直方圖28
• 3.1.2 局部二值化算法28-29
• 3.1.3 光流特征法29-30
• 3.2 改進(jìn)的光流算法30-31
• 3.3 運(yùn)動(dòng)矢量評(píng)估算法在上下車人數(shù)統(tǒng)計(jì)中的應(yīng)用驗(yàn)證31-35
• 3.3.1 上下車人體行為分析31-33
• 3.3.2 運(yùn)動(dòng)矢量評(píng)估算法的應(yīng)用及結(jié)果分析33-35
• 3.4 本章小結(jié)35-36
• 第四章 人體行為識(shí)別與判斷算法研究36-53
• 4.1 常見的人體行為識(shí)別與判定方法36-37
• 4.1.1 狀態(tài)空間參數(shù)化識(shí)別方法36
• 4.1.2 模板匹配識(shí)別方法36-37
• 4.2 攝像頭遮擋檢測方法37-39
• 4.2.1 人體行為遮擋檢測判定37-38
• 4.2.2 遮擋檢測判斷實(shí)驗(yàn)及分析38-39
• 4.3 攀高檢測方法39-41
• 4.3.1 人體行為攀高檢測判定算法39-40
• 4.3.2 攀高檢測實(shí)驗(yàn)及分析40-41
• 4.4 區(qū)域入侵檢測方法41-44
• 4.4.1 區(qū)域入侵檢測判定42
• 4.4.2 區(qū)域入侵檢測實(shí)驗(yàn)及分析42-44
• 4.5 打架斗毆檢測判斷方法44-52
• 4.5.1 行為特征的描述45
• 4.5.2 打架斗毆行為的分析45-48
• 4.5.3 打架斗毆行為的判定48-52
• 4.6 本章小結(jié)52-53
• 第五章 總結(jié)與展望53-55
• 5.1 論文工作總結(jié)53-54
• 5.2 進(jìn)一步研究方向54-55
• 致謝55-56
• 參考文獻(xiàn)56-59

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前9條

1 季繡宇;彭振偉;;基于流形學(xué)習(xí)的數(shù)據(jù)降維算法[J];電子技術(shù)與軟件工程;2014年24期

2 黃凱奇;陳曉棠;康運(yùn)鋒;譚鐵牛;;智能視頻監(jiān)控技術(shù)綜述[J];計(jì)算機(jī)學(xué)報(bào);2015年06期

3 杜鑒豪;許力;;基于區(qū)域光流特征的異常行為檢測[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2011年07期

4 杜友田;陳峰;徐文立;;基于多層動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的人的行為多尺度分析及識(shí)別方法[J];自動(dòng)化學(xué)報(bào);2009年03期

5 陳宜穩(wěn);王威;王潤生;;基于視頻區(qū)域特征的行人異常行為檢測[J];計(jì)算機(jī)應(yīng)用;2007年10期

6 杜友田;陳峰;徐文立;李永彬;;基于視覺的人的運(yùn)動(dòng)識(shí)別綜述[J];電子學(xué)報(bào);2007年01期

7 代科學(xué);李國輝;涂丹;袁見;;監(jiān)控視頻運(yùn)動(dòng)目標(biāo)檢測減背景技術(shù)的研究現(xiàn)狀和展望[J];中國圖象圖形學(xué)報(bào);2006年07期

8 謝瑯,楊艷,曹陽,王立恒;一種改進(jìn)的三步搜索塊運(yùn)動(dòng)估計(jì)算法[J];武漢大學(xué)學(xué)報(bào)(理學(xué)版);2005年05期

9 王亮,胡衛(wèi)明,譚鐵牛;人運(yùn)動(dòng)的視覺分析綜述[J];計(jì)算機(jī)學(xué)報(bào);2002年03期

  本文關(guān)鍵詞：基于視頻監(jiān)控的人體行為分析算法研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：433513