本文關(guān)鍵詞：基于約束稀疏表示的視頻異常檢測(cè)算法研究

  更多相關(guān)文章： 視頻分析 異常檢測(cè) 稀疏表示 局部幾何結(jié)構(gòu)

【摘要】：異常檢測(cè)也稱偏差檢測(cè),就是通過(guò)所建立的正常數(shù)據(jù)模式來(lái)檢測(cè)與之不符的異常數(shù)據(jù)模式。通常根據(jù)異常檢測(cè)應(yīng)用領(lǐng)域的不同,這些異常數(shù)據(jù)模式也被稱為野值點(diǎn)、局外點(diǎn)、離群點(diǎn)或者污點(diǎn)[1]。近年來(lái)異常檢測(cè)的應(yīng)用越來(lái)越廣泛,已經(jīng)成為疾病檢測(cè)、入侵檢測(cè)、身份辨識(shí)、故障診斷及智能監(jiān)控等領(lǐng)域重要研究手段。與此同時(shí),近些年來(lái)整個(gè)社會(huì)對(duì)于安全防護(hù)的意識(shí)也在不斷加強(qiáng),并且伴隨著模式識(shí)別、人工智能和圖像處理等技術(shù)的迅速進(jìn)步,不但為整個(gè)視頻監(jiān)控市場(chǎng)的快速發(fā)展指明了方向,而且使得視頻監(jiān)控系統(tǒng)的應(yīng)用已經(jīng)深入到人們?nèi)粘Ｉ畹母鱾�(gè)領(lǐng)域。因此,本文主要關(guān)注于基于視頻的異常事件檢測(cè)方法研究,如何對(duì)海量的高維視頻數(shù)據(jù)進(jìn)行智能分析,并且及時(shí)發(fā)現(xiàn)視頻數(shù)據(jù)中存在的異常事件不僅是提高視頻監(jiān)控系統(tǒng)智能化水平的關(guān)鍵,而且已經(jīng)成為關(guān)乎人民生命財(cái)產(chǎn)安全和社會(huì)穩(wěn)定的重要國(guó)計(jì)民生問題,也是大數(shù)據(jù)時(shí)代信息處理領(lǐng)域的重要研究課題。近幾十年來(lái),視頻異常事件檢測(cè)技術(shù)的研究已經(jīng)取得了很大程度上的進(jìn)展,積累了豐富的理論并涌現(xiàn)出大量的檢測(cè)方法。盡管已有的視頻異常檢測(cè)技術(shù)能夠獲得優(yōu)越的性能,但視頻數(shù)據(jù)具有數(shù)量大、維度高、信息容量較高且關(guān)系復(fù)雜、解釋具有多樣性和模糊性、很強(qiáng)的時(shí)空連續(xù)性、同時(shí)多數(shù)視頻含有噪聲等特點(diǎn),由視頻數(shù)據(jù)的這些特點(diǎn)可以得知視頻異常檢測(cè)算法有著較大的研究難度,同時(shí)也使得視頻異常事件檢測(cè)成為了異常艱巨的難題。本文針對(duì)已有基于稀疏表示視頻異常事件檢測(cè)方法進(jìn)行分析與總結(jié),在此基礎(chǔ)上提出了基于約束稀疏表示(Constrained Sparse Representation,CSR)的視頻異常檢測(cè)算法,該方法主要是將近鄰圖約束整合到稀疏編碼的目標(biāo)方程中,訓(xùn)練出正常視頻圖像的稀疏編碼,再用這些編碼進(jìn)行視頻異常檢測(cè)。為了檢驗(yàn)算法性能,在UMN數(shù)據(jù)庫(kù)上進(jìn)行了驗(yàn)證,并與其它檢測(cè)效果比較好的異常檢測(cè)方法進(jìn)行了對(duì)比,實(shí)驗(yàn)結(jié)果顯示本文提出的方法具有較好的檢測(cè)效果。
【關(guān)鍵詞】：視頻分析 異常檢測(cè) 稀疏表示 局部幾何結(jié)構(gòu)
【學(xué)位授予單位】：東北師范大學(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4-5
• Abstract5-7
• 第一章 緒論7-12
• 1.1 研究背景及意義7-8
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀8-10
• 1.3 本文的主要工作及結(jié)構(gòu)安排10-12
• 第二章 異常檢測(cè)與相關(guān)算法介紹12-18
• 2.1 視頻異常事件檢測(cè)問題描述12-13
• 2.2 異常檢測(cè)相關(guān)算法13-17
• 2.2.1 基于概率的異常檢測(cè)算法13-14
• 2.2.2 基于距離和聚類的異常檢測(cè)算法14-15
• 2.2.3 基于域的異常檢測(cè)算法15
• 2.2.4 基于重構(gòu)的異常檢測(cè)算法15-17
• 2.3 本章小結(jié)17-18
• 第三章 基于約束稀疏表示的視頻異常事件檢測(cè)18-25
• 3.1 引言18-19
• 3.2 運(yùn)動(dòng)特征提取19
• 3.3 基于約束稀疏表示的異常檢測(cè)算法19-24
• 3.3.1 模型構(gòu)建20-21
• 3.3.2 目標(biāo)函數(shù)求解21-23
• 3.3.3 收斂性分析23-24
• 3.3.4 異常事件檢測(cè)24
• 3.4 本章小結(jié)24-25
• 第四章 實(shí)驗(yàn)結(jié)果與分析25-34
• 4.1 UMN數(shù)據(jù)庫(kù)25-26
• 4.2 評(píng)價(jià)指標(biāo)26-28
• 4.3 實(shí)驗(yàn)結(jié)果與分析28-33
• 4.4 本章小結(jié)33-34
• 第五章 總結(jié)和展望34-35
• 5.1 本文工作總結(jié)34
• 5.2 未來(lái)研究展望34-35
• 參考文獻(xiàn)35-38
• 致謝38-39
• 在學(xué)期間公開發(fā)表論文情況39

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 李映;張艷寧;許星;;基于信號(hào)稀疏表示的形態(tài)成分分析:進(jìn)展和展望[J];電子學(xué)報(bào);2009年01期

2 趙瑞珍;王飛;羅阿理;張彥霞;;基于稀疏表示的譜線自動(dòng)提取方法[J];光譜學(xué)與光譜分析;2009年07期

3 楊蜀秦;寧紀(jì)鋒;何東健;;基于稀疏表示的大米品種識(shí)別[J];農(nóng)業(yè)工程學(xué)報(bào);2011年03期

4 史加榮;楊威;魏宗田;;基于非負(fù)稀疏表示的人臉識(shí)別[J];計(jì)算機(jī)工程與設(shè)計(jì);2012年05期

5 高志榮;熊承義;笪邦友;;改進(jìn)的基于殘差加權(quán)的稀疏表示人臉識(shí)別[J];中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

6 朱杰;楊萬(wàn)扣;唐振民;;基于字典學(xué)習(xí)的核稀疏表示人臉識(shí)別方法[J];模式識(shí)別與人工智能;2012年05期

7 耿耀君;張軍英;袁細(xì)國(guó);;一種基于稀疏表示系數(shù)的特征相關(guān)性測(cè)度[J];模式識(shí)別與人工智能;2013年01期

8 張疆勤;廖海斌;李原;;基于因子分析與稀疏表示的多姿態(tài)人臉識(shí)別[J];計(jì)算機(jī)工程與應(yīng)用;2013年05期

9 李正周;王會(huì)改;劉梅;丁浩;金鋼;;基于形態(tài)成分稀疏表示的紅外小弱目標(biāo)檢測(cè)[J];彈箭與制導(dǎo)學(xué)報(bào);2013年04期

10 胡正平;趙淑歡;李靜;;基于塊稀疏遞推殘差分析的稀疏表示遮擋魯棒識(shí)別算法研究[J];模式識(shí)別與人工智能;2014年01期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前3條

1 何愛香;劉玉春;魏廣芬;;基于稀疏表示的煤矸界面識(shí)別研究[A];虛擬運(yùn)營(yíng)與云計(jì)算——第十八屆全國(guó)青年通信學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C];2013年

2 樊亞翔;孫浩;周石琳;鄒煥新;;基于元樣本稀疏表示的多視角目標(biāo)識(shí)別[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

3 葛鳳翔;任歲玲;郭鑫;郭良浩;孫波;;微弱信號(hào)處理及其研究進(jìn)展[A];中國(guó)聲學(xué)學(xué)會(huì)水聲學(xué)分會(huì)2013年全國(guó)水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2013年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 李進(jìn)明;基于稀疏表示的圖像超分辨率重建方法研究[D];重慶大學(xué);2015年

2 王亞寧;基于信號(hào)稀疏表示的電機(jī)故障診斷研究[D];河北工業(yè)大學(xué);2014年

3 姚明海;視頻異常事件檢測(cè)與認(rèn)證方法研究[D];東北師范大學(xué);2015年

4 黃國(guó)華;蛋白質(zhì)翻譯后修飾位點(diǎn)與藥物適應(yīng)癥預(yù)測(cè)方法研究[D];上海大學(xué);2015年

5 王瑾;基于稀疏表示的數(shù)據(jù)收集、復(fù)原與壓縮研究[D];北京工業(yè)大學(xué);2015年

6 王文卿;基于融合框架與稀疏表示的遙感影像銳化[D];西安電子科技大學(xué);2015年

7 解虎;高維小樣本陣列自適應(yīng)信號(hào)處理方法研究[D];西安電子科技大學(xué);2015年

8 秦振濤;基于稀疏表示及字典學(xué)習(xí)遙感圖像處理關(guān)鍵技術(shù)研究[D];成都理工大學(xué);2015年

9 薛明;基于稀疏表示的在線目標(biāo)跟蹤研究[D];上海交通大學(xué);2014年

10 孫樂;空譜聯(lián)合先驗(yàn)的高光譜圖像解混與分類方法[D];南京理工大學(xué);2014年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 吳麗璇;基于稀疏表示的微聚焦X射線圖像去噪方法[D];華南理工大學(xué);2015年

2 趙孝磊;基于圖像分塊稀疏表示的人臉識(shí)別算法研究[D];南京信息工程大學(xué);2015年

3 黃志明;基于辨別式稀疏字典學(xué)習(xí)的視覺追蹤算法研究[D];華南理工大學(xué);2015年

4 張鈴華;非約束環(huán)境下的稀疏表示人臉識(shí)別算法研究[D];南京信息工程大學(xué);2015年

5 賀妍斐;基于稀疏表示與自適應(yīng)倒易晶胞的遙感圖像復(fù)原方法研究[D];南京信息工程大學(xué);2015年

6 楊爍;電能質(zhì)量擾動(dòng)信號(hào)的稀疏表示/壓縮采樣研究[D];西南交通大學(xué);2015年

7 應(yīng)艷麗;基于低秩稀疏表示的目標(biāo)跟蹤算法研究[D];西南交通大學(xué);2015年

8 梁曉捷;基于網(wǎng)絡(luò)攝像頭與稀疏表示分類法的實(shí)時(shí)人臉識(shí)別系統(tǒng)應(yīng)用研究[D];五邑大學(xué);2015年

9 張宏樂;語(yǔ)音信號(hào)稀疏表示方法研究[D];太原理工大學(xué);2016年

10 郭欣;基于K-SVD稀疏表示的語(yǔ)音增強(qiáng)算法研究[D];太原理工大學(xué);2016年

，

本文編號(hào)：872833