本文選題：異常行為識別 + 目標(biāo)檢測　； 參考：《青島科技大學(xué)》2017年碩士論文

【摘要】：視頻監(jiān)控系統(tǒng)作為安防必不可少的技術(shù)手段,在安全防護(hù)等各個領(lǐng)域均扮演極其重要的角色,運用到生活的各個方面。將視頻中的無效信息自動過濾掉,不僅能夠提高視頻系統(tǒng)對人體行為識別的實時性,而且能夠較為準(zhǔn)確的對行為進(jìn)行識別。這有效降低人力物力成本,同時能夠降低運算量,實現(xiàn)實時主動預(yù)警功能,解決傳統(tǒng)視頻監(jiān)控系統(tǒng)的事后性。在運動人體異常行為的識別方面,本文主要進(jìn)行了以下幾個方面的研究工作。(1)在圖像預(yù)處理方面。首先對圖像整體特點進(jìn)行分析,提出本文圖像預(yù)處理的思路。采用圖像增強(qiáng)、灰度變換等方法去除大部分干擾雜質(zhì),取得較好的效果。(2)在目標(biāo)檢測方面。針對本文圖片中的實際情況,并對傳統(tǒng)檢測方法進(jìn)行實驗分析。為解決傳統(tǒng)單一方法干擾較多且輪廓不完整的缺陷,提出基于改進(jìn)的GMM背景建模的運動目標(biāo)檢測,能夠有效去除外界干擾并獲得較為完整地輪廓,提高了系統(tǒng)的實時性及準(zhǔn)確性,且在一定程度上對陰影有較好抑制作用。(3)在目標(biāo)跟蹤方面。區(qū)別于以往的單幀提取,在間隔固定幀選用有代表性的幀圖像,提高識別判斷的準(zhǔn)確性,同時提高了系統(tǒng)的時效性。采用基于Kalman與Mean Shift的混合運動目標(biāo)跟蹤算法,使得目標(biāo)跟蹤的綜合性能更加穩(wěn)定高效。(4)在異常行為識別方面。區(qū)別于傳統(tǒng)的單人行為識別,采用狀態(tài)空間法建立多人的標(biāo)準(zhǔn)行為數(shù)據(jù)庫,同時進(jìn)行多人行為比對,減少行為匹配的時間,有效的提高了系統(tǒng)的時效性。再利用隱馬爾可夫模型對人體行為進(jìn)行識別研究。通過人體異常行為識別仿真實驗,驗證了本文的算法具有較強(qiáng)的時效性及準(zhǔn)確性。
[Abstract]:Video surveillance system, as an indispensable technical means of security, plays an extremely important role in various fields, such as security and protection, and is applied to every aspect of life. Filtering out the invalid information automatically can not only improve the real-time performance of human behavior recognition, but also recognize the behavior accurately. This can effectively reduce the cost of manpower and material resources, reduce the amount of computation, realize the real-time active early warning function, and solve the hindsight of traditional video surveillance system. In the aspect of recognition of abnormal behavior of moving human body, this paper mainly studies the following aspects. (1) in image preprocessing. Firstly, the whole character of the image is analyzed, and the idea of image preprocessing in this paper is put forward. Image enhancement and gray level transformation are used to remove most of the interference impurities. (2) in target detection. According to the actual situation in this paper, the traditional detection method is analyzed experimentally. In order to solve the problem that the traditional single method has many interference and incomplete contour, a moving target detection method based on improved GMM background modeling is proposed, which can effectively remove the external interference and obtain a more complete contour. The real-time and accuracy of the system are improved, and the shadow is suppressed to a certain extent. (3) in the aspect of target tracking. Different from the previous single frame extraction, the representative frame images are selected at fixed intervals to improve the accuracy of recognition and judgment, and to improve the timeliness of the system. A hybrid moving target tracking algorithm based on Kalman and mean shift is adopted, which makes the performance of target tracking more stable and efficient. (4) recognition of abnormal behavior. Different from the traditional single person behavior recognition, the state space method is used to establish the multi-person standard behavior database, and the multi-person behavior comparison is carried out at the same time, which reduces the time of behavior matching and effectively improves the timeliness of the system. Then the hidden Markov model is used to identify human behavior. The simulation results show that the proposed algorithm is time-efficient and accurate.
【學(xué)位授予單位】：青島科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 蔣小勇;周勝增;;隱馬爾可夫模型在多目標(biāo)自動檢測和跟蹤中應(yīng)用[J];聲學(xué)與電子工程;2016年04期

2 魏永超;莊夏;傅強(qiáng);;人群異常識別技術(shù)研究進(jìn)展[J];計算機(jī)系統(tǒng)應(yīng)用;2016年09期

3 單言虎;張彰;黃凱奇;;人的視覺行為識別研究回顧、現(xiàn)狀及展望[J];計算機(jī)研究與發(fā)展;2016年01期

4 王博宇;李杰偉;;中國交通事故的統(tǒng)計分析及對策[J];當(dāng)代經(jīng)濟(jì);2015年20期

5 羅超宇;李小曼;韓駿浩;吳欣平;;改進(jìn)的混合高斯背景建模算法[J];計算機(jī)應(yīng)用與軟件;2015年10期

6 張鳳軍;趙嶺;安國成;王宏安;戴國忠;;一種尺度自適應(yīng)的Mean Shift跟蹤算法[J];計算機(jī)研究與發(fā)展;2014年01期

7 李瑞峰;王亮亮;王珂;;人體動作行為識別研究綜述[J];模式識別與人工智能;2014年01期

8 李楠;姬光榮;;基于不同隱馬爾科夫模型的圖像識別方法[J];現(xiàn)代電子技術(shù);2012年08期

9 朱旭東;劉志鏡;;基于主題隱馬爾科夫模型的人體異常行為識別[J];計算機(jī)科學(xué);2012年03期

10 柴毅;陽小燕;尹宏鵬;匡金駿;;基于運動區(qū)域檢測的運動目標(biāo)跟蹤算法[J];計算機(jī)應(yīng)用研究;2010年12期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 林春麗;基于視頻序列的人體行為分類及異常檢測[D];哈爾濱工程大學(xué);2012年

2 張軍;基于視頻的運動人體異常行為分析識別研究[D];西安電子科技大學(xué);2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王昌誠;現(xiàn)代圖像處理技術(shù)在深海高清圖像分析中的研究[D];青島科技大學(xué);2015年

2 吳寶洲;幾類目標(biāo)異常行為的視頻監(jiān)控研究[D];浙江大學(xué);2015年

3 胡永亮;基于視頻流的異常人體行為分析[D];北京理工大學(xué);2015年

4 高鵬;基于隱馬爾科夫模型的目標(biāo)人體識別[D];寧波大學(xué);2014年

5 何杰;視頻監(jiān)控中的人體異常行為識別方法研究[D];重慶大學(xué);2014年

6 胡韶山;人體異常行為識別在智能監(jiān)控系統(tǒng)中的研究與實現(xiàn)[D];西安電子科技大學(xué);2012年

7 荊雪威;基于視頻圖像的人體異常行為識別技術(shù)研究[D];哈爾濱工程大學(xué);2012年

8 伍彩紅;基于視覺的人體行為識別研究[D];華中師范大學(xué);2011年

9 胡波;基于Mean Shift算法和卡爾曼濾波的視頻目標(biāo)跟蹤技術(shù)研究[D];寧波大學(xué);2010年

10 黃維堯;基于人體行為分析的智能監(jiān)控系統(tǒng)設(shè)計與實現(xiàn)[D];西安電子科技大學(xué);2008年

，

本文編號：2064156