本文關(guān)鍵詞：基于約束稀疏表示的視頻異常檢測算法研究

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

【摘要】：異常檢測也稱偏差檢測,就是通過所建立的正常數(shù)據(jù)模式來檢測與之不符的異常數(shù)據(jù)模式。通常根據(jù)異常檢測應(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、局外點、離群點或者污點[1]。近年來異常檢測的應(yīng)用越來越廣泛,已經(jīng)成為疾病檢測、入侵檢測、身份辨識、故障診斷及智能監(jiān)控等領(lǐng)域重要研究手段。與此同時,近些年來整個社會對于安全防護的意識也在不斷加強,并且伴隨著模式識別、人工智能和圖像處理等技術(shù)的迅速進步,不但為整個視頻監(jiān)控市場的快速發(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�領(lǐng)域。因此,本文主要關(guān)注于基于視頻的異常事件檢測方法研究,如何對海量的高維視頻數(shù)據(jù)進行智能分析,并且及時發(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)乎人民生命財產(chǎn)安全和社會穩(wěn)定的重要國計民生問題,也是大數(shù)據(jù)時代信息處理領(lǐng)域的重要研究課題。近幾十年來,視頻異常事件檢測技術(shù)的研究已經(jīng)取得了很大程度上的進展,積累了豐富的理論并涌現(xiàn)出大量的檢測方法。盡管已有的視頻異常檢測技術(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、很強的時空連續(xù)性、同時多數(shù)視頻含有噪聲等特點,由視頻數(shù)據(jù)的這些特點可以得知視頻異常檢測算法有著較大的研究難度,同時也使得視頻異常事件檢測成為了異常艱巨的難題。本文針對已有基于稀疏表示視頻異常事件檢測方法進行分析與總結(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,再用這些編碼進行視頻異常檢測。為了檢驗算法性能,在UMN數(shù)據(jù)庫上進行了驗證,并與其它檢測效果比較好的異常檢測方法進行了對比,實驗結(jié)果顯示本文提出的方法具有較好的檢測效果。
【關(guān)鍵詞】：視頻分析 異常檢測 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)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：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 異常檢測與相關(guān)算法介紹12-18
• 2.1 視頻異常事件檢測問題描述12-13
• 2.2 異常檢測相關(guān)算法13-17
• 2.2.1 基于概率的異常檢測算法13-14
• 2.2.2 基于距離和聚類的異常檢測算法14-15
• 2.2.3 基于域的異常檢測算法15
• 2.2.4 基于重構(gòu)的異常檢測算法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18-25
• 3.1 引言18-19
• 3.2 運動特征提取19
• 3.3 基于約束稀疏表示的異常檢測算法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24
• 3.4 本章小結(jié)24-25
• 第四章 實驗結(jié)果與分析25-34
• 4.1 UMN數(shù)據(jù)庫25-26
• 4.2 評價指標(biāo)26-28
• 4.3 實驗結(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 未來研究展望34-35
• 參考文獻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】

中國期刊全文數(shù)據(jù)庫 前10條

1 李映;張艷寧;許星;;基于信號稀疏表示的形態(tài)成分分析:進展和展望[J];電子學(xué)報;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別[J];農(nóng)業(yè)工程學(xué)報;2011年03期

4 史加榮;楊威;魏宗田;;基于非負稀疏表示的人臉識別[J];計算機工程與設(shè)計;2012年05期

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

6 朱杰;楊萬扣;唐振民;;基于字典學(xué)習(xí)的核稀疏表示人臉識別方法[J];模式識別與人工智能;2012年05期

7 耿耀君;張軍英;袁細國;;一種基于稀疏表示系數(shù)的特征相關(guān)性測度[J];模式識別與人工智能;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)人臉識別[J];計算機工程與應(yīng)用;2013年05期

9 李正周;王會改;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[J];彈箭與制導(dǎo)學(xué)報;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別算法研究[J];模式識別與人工智能;2014年01期

中國重要會議論文全文數(shù)據(jù)庫 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別研究[A];虛擬運營與云計算——第十八屆全國青年通信學(xué)術(shù)年會論文集（上冊）[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)識別[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

3 葛鳳翔;任歲玲;郭鑫;郭良浩;孫波;;微弱信號處理及其研究進展[A];中國聲學(xué)學(xué)會水聲學(xué)分會2013年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2013年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李進明;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;基于信號稀疏表示的電機故障診斷研究[D];河北工業(yè)大學(xué);2014年

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

4 黃國華;蛋白質(zhì)翻譯后修飾位點與藥物適應(yīng)癥預(yù)測方法研究[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

中國碩士學(xué)位論文全文數(shù)據(jù)庫 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)量擾動信號的稀疏表示/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時人臉識別系統(tǒng)應(yīng)用研究[D];五邑大學(xué);2015年

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

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

，

本文編號：872833