隨著智慧城市的發(fā)展,智能監(jiān)控技術(shù)被用于城市道路的管理和調(diào)度,在城市路網(wǎng)監(jiān)控與調(diào)度中發(fā)揮越來越重要的作用。異常行為檢測技術(shù)既是計算機視覺領(lǐng)域中的重要問題,也是智慧城市建設(shè)的應(yīng)用基礎(chǔ)。正因如此,異常行為檢測目前正受到學(xué)術(shù)界的重點關(guān)注,擁有巨大的研究意義。視頻異常行為檢測算法需要對正常視頻中正常事件的外觀特征與運動特征進行建模。另一方面,監(jiān)控視頻中天然存在的遮擋與類別失衡問題一直沒能得到很好的解決。遮擋問題表現(xiàn)在正�；虍惓Ｊ录黄渌熬罢趽鯇�(dǎo)致信息缺失算法漏檢。類別失衡問題表現(xiàn)在視頻流時空間信息量的不均衡:比如,前景往往信息豐富樣本類型多,背景則基本保持不動,樣本單一。如果采用前景提取算法屏蔽背景,那么檢測性能將受限于性能不佳的前景提取算法。如果對前景和背景不加區(qū)分地處理,那么算法建立的模型會專注于簡單的背景上,而忽略前景的特征。正因如此,這種類別失衡會導(dǎo)致模型難以訓(xùn)練,判別能力差。圍繞這兩大難題,本文首先針對傳統(tǒng)異常檢測算法缺乏語義信息忽視前景背景失衡的問題,開展了基于殘差網(wǎng)絡(luò)與語義約束的異常檢測研究。然后,針對視頻具有的時空間信息失衡問題,本文開展了基于部分卷積與遮擋掩蔽的異常檢測研究。... 

【文章來源】：中國科學(xué)技術(shù)大學(xué)安徽省 211工程院校 985工程院校

【文章頁數(shù)】：114 頁

【學(xué)位級別】：博士

【部分圖文】：

圖１．２視頻異常檢測算法檢測到異常的示例??近幾年，家用網(wǎng)絡(luò)監(jiān)控設(shè)備在市場上越來越受到歡迎

?第１章緒?論???變化。如果算法無法準確跟蹤視頻中目標(biāo)的變化過程，它將難以及時更新??外觀模型的參數(shù)，引起跟蹤結(jié)果的漂移，破壞跟蹤算法的性能。??（３）形變。由于監(jiān)控攝像頭拍攝視角和目標(biāo)本身運動的問題，在監(jiān)控視頻中的??目標(biāo)，比如車輛、行人，經(jīng)常會發(fā)生形變。這給單目標(biāo)跟蹤性能的穩(wěn)定性??帶來了影響。例如，一輛車靠近又遠離的過程中，整體輪廓會發(fā)生較大地??變化，如果跟蹤算法采集更新樣本時沒能反映出這種變化，跟蹤結(jié)果會發(fā)??生漂移。??■??（ａ）遮擋前?（ｂ）完全遮擋?（ｃ）部分遮擋?（ｄ）遮擋后??圖１．３跟蹤過程中，目標(biāo)會發(fā)生遮擋，包括完整遮擋和部分遮擋。??１．３研究內(nèi)容??ｉＶｒ＇．ｄ?■?ｉ?＇?Ｘ?ｒ?＾?＊?＂＊?ｆ??和觀：ｌ?—?ａ?ｊ?ｍ?：??Ｖ?＂?；?；■?Ｓ?／ｍ?ＶＭ??跟蹤紐：??圖１．４本文采用的研宂框架。??針對上一節(jié)提到的問題，本文展開了兩個部分四個方面的研宄，具體結(jié)構(gòu)見??圖１．４。首先，本文開展了基于語義約束和殘差網(wǎng)絡(luò)的異常行為檢測研宄。這一??部分的研究目的是重點學(xué)習(xí)視頻流中物體運動時像素變化的特征，從而拉近正??常行為在語義空間里的距離。其次，本文開展了基于部分卷積與注意力機制的異??常行為檢測研宄，直接學(xué)習(xí)物體的運動信息，解決了基于深度卷積網(wǎng)絡(luò)的特征提??取過程帶來的分辨率不足以及隱式學(xué)習(xí)問題，并且通過注意力機制對不同時空??５??

?第１章緒?論???變化。如果算法無法準確跟蹤視頻中目標(biāo)的變化過程，它將難以及時更新??外觀模型的參數(shù)，引起跟蹤結(jié)果的漂移，破壞跟蹤算法的性能。??（３）形變。由于監(jiān)控攝像頭拍攝視角和目標(biāo)本身運動的問題，在監(jiān)控視頻中的??目標(biāo)，比如車輛、行人，經(jīng)常會發(fā)生形變。這給單目標(biāo)跟蹤性能的穩(wěn)定性??帶來了影響。例如，一輛車靠近又遠離的過程中，整體輪廓會發(fā)生較大地??變化，如果跟蹤算法采集更新樣本時沒能反映出這種變化，跟蹤結(jié)果會發(fā)??生漂移。??■??（ａ）遮擋前?（ｂ）完全遮擋?（ｃ）部分遮擋?（ｄ）遮擋后??圖１．３跟蹤過程中，目標(biāo)會發(fā)生遮擋，包括完整遮擋和部分遮擋。??１．３研究內(nèi)容??ｉＶｒ＇．ｄ?■?ｉ?＇?Ｘ?ｒ?＾?＊?＂＊?ｆ??和觀：ｌ?—?ａ?ｊ?ｍ?：??Ｖ?＂?；?；■?Ｓ?／ｍ?ＶＭ??跟蹤紐：??圖１．４本文采用的研宂框架。??針對上一節(jié)提到的問題，本文展開了兩個部分四個方面的研宄，具體結(jié)構(gòu)見??圖１．４。首先，本文開展了基于語義約束和殘差網(wǎng)絡(luò)的異常行為檢測研宄。這一??部分的研究目的是重點學(xué)習(xí)視頻流中物體運動時像素變化的特征，從而拉近正??常行為在語義空間里的距離。其次，本文開展了基于部分卷積與注意力機制的異??常行為檢測研宄，直接學(xué)習(xí)物體的運動信息，解決了基于深度卷積網(wǎng)絡(luò)的特征提??取過程帶來的分辨率不足以及隱式學(xué)習(xí)問題，并且通過注意力機制對不同時空??５??


本文編號：2971174