本文關(guān)鍵詞：視頻異常事件檢測(cè)與認(rèn)證方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來(lái),隨著計(jì)算機(jī)硬件技術(shù)及互聯(lián)網(wǎng)的快速發(fā)展,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。隨著監(jiān)控視頻數(shù)量的增加,人們對(duì)視頻數(shù)據(jù)的智能處理提出了更高的要求。如何對(duì)海量、高維視頻數(shù)據(jù)進(jìn)行智能分析,及時(shí)發(fā)現(xiàn)視頻數(shù)據(jù)中存在的突發(fā)、異常事件已經(jīng)成為關(guān)乎社會(huì)穩(wěn)定和人民生命財(cái)產(chǎn)安全的重要國(guó)計(jì)民生問(wèn)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。同時(shí),由于網(wǎng)絡(luò)傳輸技術(shù)和管理制度的不健全,視頻數(shù)據(jù)在網(wǎng)絡(luò)傳輸過(guò)程中經(jīng)常被惡意的攻擊和篡改,使得視頻數(shù)據(jù)的安全得不到保障。如何對(duì)視頻數(shù)據(jù)中敏感信息進(jìn)行安全保護(hù)已經(jīng)成為視頻認(rèn)證領(lǐng)域的研究熱點(diǎn)。視頻數(shù)據(jù)具有數(shù)量大、維度高、關(guān)系復(fù)雜、解釋具有多樣性和模糊性、同類事件之間存在巨大差異、多數(shù)視頻含有噪聲等特點(diǎn)。視頻數(shù)據(jù)的這些特點(diǎn)使得視頻異常事件檢測(cè)成為了異常艱巨的難題。同時(shí),隨著網(wǎng)絡(luò)攻擊技術(shù)的不斷提升,攻擊手段層出不窮,對(duì)網(wǎng)絡(luò)傳輸數(shù)據(jù)的破壞力度也越來(lái)越大,增加了視頻信息安全保護(hù)的難度。本文以視頻分析和認(rèn)證中的若干關(guān)鍵問(wèn)題為出發(fā)點(diǎn),圍繞視頻數(shù)據(jù)中的異常事件檢測(cè)和敏感信息的安全保護(hù)問(wèn)題展開(kāi)研究,具體研究?jī)?nèi)容包括:1.在視頻數(shù)據(jù)的表征與描述方面,為了解決數(shù)據(jù)維度較高帶來(lái)的海量計(jì)算和計(jì)算復(fù)雜度等問(wèn)題,提出基于相關(guān)性和結(jié)構(gòu)保持的視頻異常事件檢測(cè)方法,具體內(nèi)容如下:根據(jù)視頻內(nèi)容的結(jié)構(gòu)關(guān)系,充分利用局部區(qū)域的時(shí)空鄰域信息,從多個(gè)層次提取反應(yīng)事件內(nèi)容的特征;根據(jù)特征與類別的相關(guān)性和特征的結(jié)構(gòu)保持能力,提出了基于相關(guān)性和結(jié)構(gòu)保持能力分析的特征選擇方法,去除了特征集合中的冗余信息,解決了數(shù)據(jù)的高維問(wèn)題;為了檢驗(yàn)算法性能,在UCSD數(shù)據(jù)庫(kù)上進(jìn)行了驗(yàn)證,并與其它特征選擇方法進(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。2.在視頻異常事件檢測(cè)模型構(gòu)建方面,為了提高檢測(cè)算法的計(jì)算效率和檢測(cè)準(zhǔn)確率,提出了聯(lián)合維數(shù)約簡(jiǎn)和稀疏表示的視頻異常事件檢測(cè)方法,具體內(nèi)容如下:在運(yùn)動(dòng)特征提取上,全面考慮了目標(biāo)運(yùn)動(dòng)的方向特征和能量特征,進(jìn)一步細(xì)化了光流直方圖統(tǒng)計(jì)方法;在高維數(shù)據(jù)低維投影過(guò)程中,提出基于結(jié)構(gòu)和能量信息的聯(lián)合約束策略,此策略能最大限度的保持?jǐn)?shù)據(jù)降維后的局部性質(zhì)及相鄰數(shù)據(jù)間的關(guān)系,并且保留了高維空間的主要內(nèi)容信息。針對(duì)某些視頻事件,目標(biāo)運(yùn)動(dòng)狀態(tài)持續(xù)時(shí)間較短,可提取的能有效描述事件內(nèi)容的典型樣本相對(duì)較少,導(dǎo)致訓(xùn)練數(shù)據(jù)無(wú)法有效表達(dá)事件內(nèi)容問(wèn)題,提出了基于聚類思想的樣本數(shù)據(jù)選取策略,該策略能夠保證訓(xùn)練數(shù)據(jù)對(duì)事件內(nèi)容的有效覆蓋和準(zhǔn)確描述;在UMN數(shù)據(jù)庫(kù)上驗(yàn)證了算法的有效性,實(shí)驗(yàn)結(jié)果表明該方法具有較好的檢測(cè)效果。3.為了實(shí)現(xiàn)對(duì)視頻數(shù)據(jù)中敏感信息的安全保護(hù),提出基于視覺(jué)分級(jí)和稀疏表示的視頻認(rèn)證方法,具體內(nèi)容如下:為了最大限度的利用載體數(shù)據(jù)的內(nèi)容表示隱藏信息,以稀疏表示理論為工具,利用視頻載體數(shù)據(jù)與隱藏信息的相關(guān)性,降低信息隱藏過(guò)程中隱藏信息的嵌入量;為了提高敏感信息在網(wǎng)絡(luò)傳輸中的安全性,避免引起攻擊者的注意,以視覺(jué)分級(jí)機(jī)制為基礎(chǔ),提出用于視頻內(nèi)容保護(hù)的視覺(jué)分級(jí)策略,在利用視覺(jué)注意模型對(duì)載體數(shù)據(jù)進(jìn)行顯著性等級(jí)劃分的基礎(chǔ)上,實(shí)現(xiàn)了隱藏信息的分級(jí)嵌入,進(jìn)一步提高了信息隱藏的不可見(jiàn)性;為了實(shí)現(xiàn)對(duì)視頻數(shù)據(jù)的安全性認(rèn)證,采用安全性能穩(wěn)定的虹膜圖像作為隱藏信息,此策略既可以通過(guò)判別虹膜圖像的完整性來(lái)實(shí)現(xiàn)待保護(hù)信息的認(rèn)證,又可以通過(guò)對(duì)虹膜圖像的識(shí)別對(duì)待保護(hù)信息進(jìn)行進(jìn)一步的認(rèn)證,從而實(shí)現(xiàn)視頻敏感信息的有效保護(hù);在UCSD和UMN數(shù)據(jù)庫(kù)上進(jìn)行了算法安全性、隱蔽性和嵌入容量的驗(yàn)證,實(shí)驗(yàn)結(jié)果顯示以上各項(xiàng)指標(biāo)均取得了較好的效果。
【關(guān)鍵詞】：視頻分析 異常檢測(cè) 稀疏表示 信息隱藏 視覺(jué)注意
【學(xué)位授予單位】：東北師范大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41
【目錄】：

• 摘要4-6
• Abstract6-10
• 第一章 緒論10-16
• 1.1 研究背景及意義10-12
• 1.2 研究現(xiàn)狀分析12-14
• 1.3 本文的主要工作及結(jié)構(gòu)安排14-16
• 第二章 視頻異常事件檢測(cè)與信息隱藏相關(guān)方法16-36
• 2.1 視頻異常事件檢測(cè)問(wèn)題描述16-18
• 2.2 運(yùn)動(dòng)特征描述相關(guān)方法18-20
• 2.3 視頻異常事件檢測(cè)相關(guān)方法20-25
• 2.4 字典學(xué)習(xí)相關(guān)方法25-27
• 2.5 數(shù)據(jù)降維相關(guān)方法27-32
• 2.6 信息隱藏的基本原理及流程32-34
• 2.7 小結(jié)34-36
• 第三章 基于相關(guān)性和結(jié)構(gòu)保持的視頻異常事件檢測(cè)36-48
• 3.1 引言36-37
• 3.2 視頻事件的運(yùn)動(dòng)特征提取37-38
• 3.3 特征選擇38-41
• 3.3.1 類別相關(guān)性分析39-40
• 3.3.2 結(jié)構(gòu)保持能力分析40-41
• 3.4 分類模型41-43
• 3.5 實(shí)驗(yàn)與分析43-46
• 3.5.1 實(shí)驗(yàn)數(shù)據(jù)43-44
• 3.5.2 評(píng)價(jià)指標(biāo)與參數(shù)設(shè)置44
• 3.5.3 實(shí)驗(yàn)結(jié)果與分析44-46
• 3.6 小結(jié)46-48
• 第四章 基于維數(shù)約簡(jiǎn)和稀疏表示的視頻異常事件檢測(cè)48-64
• 4.1 引言48-49
• 4.2 運(yùn)動(dòng)特征提取49-50
• 4.3 數(shù)據(jù)選擇策略50-51
• 4.4 基于結(jié)構(gòu)和能量約束的稀疏表示方法51-55
• 4.5 實(shí)驗(yàn)與分析55-62
• 4.5.1 實(shí)驗(yàn)數(shù)據(jù)55-56
• 4.5.2 評(píng)價(jià)指標(biāo)56-57
• 4.5.3 實(shí)驗(yàn)結(jié)果與分析57-62
• 4.6 小結(jié)62-64
• 第五章 基于視覺(jué)分級(jí)和稀疏表示的視頻認(rèn)證方法64-78
• 5.1 引言64
• 5.2 視頻認(rèn)證方法及流程64-65
• 5.3 認(rèn)證視頻與認(rèn)證信息的相關(guān)性分析65-67
• 5.4 認(rèn)證視頻的顯著性分析67-69
• 5.5 認(rèn)證信息的嵌入與提取69-72
• 5.6 實(shí)驗(yàn)與分析72-76
• 5.6.1 實(shí)驗(yàn)數(shù)據(jù)72-73
• 5.6.2 實(shí)驗(yàn)結(jié)果與分析73-76
• 5.7 小結(jié)76-78
• 第六章 總結(jié)與展望78-80
• 6.1 本文工作總結(jié)78-79
• 6.2 研究工作展望79-80
• 參考文獻(xiàn)80-88
• 致謝88-89
• 在學(xué)期間公開(kāi)發(fā)表論文及著作情況89

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 劉洋;李一波;;基于線性動(dòng)態(tài)系統(tǒng)稀疏編碼的異常事件檢測(cè)[J];計(jì)算機(jī)科學(xué);2014年10期

2 呂建新;鄭偉;;互信息特征選擇方法的研究與改進(jìn)[J];情報(bào)科學(xué);2014年08期

3 于革;賈利民;秦勇;楊艷芳;;視頻監(jiān)控鐵路限界內(nèi)逗留物體的檢測(cè)方法[J];中國(guó)鐵道科學(xué);2013年04期

  本文關(guān)鍵詞：視頻異常事件檢測(cè)與認(rèn)證方法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：366111