視頻中異常行為發(fā)現(xiàn)方法研究及實現(xiàn).pdf

1、隨著人類物質生活生活水平的提高,安全問題越來越被人們所重視,用于社會和諧、生命財產安全的安防系統(tǒng)近年來也隨之發(fā)展迅速。作為安防監(jiān)控領域中的核心組成部分,異常行為檢測起著關鍵性的作用。異常行為檢測,即使用計算機在監(jiān)控視頻中自動、準確的發(fā)現(xiàn)異?？梢尚袨椴⑦M行報警,主要應用在機場安全、地鐵安全、住宅小區(qū)安全、校園安全等監(jiān)控系統(tǒng)中。
　　早期的智能監(jiān)控系統(tǒng)是利用計算機對特定異常行為的自動識別檢測,該方向已逐漸發(fā)展成熟,也有相應的產品出現(xiàn)。

2、但因需要預先對行為進行學習定義,具有特異性,無法進行廣泛應用。近年來,對能夠在任意場景下自動學習異常行為并檢測的研究開始逐漸興起,雖然有了一些研究成果,但對于如何自動的分析并定義異常行為、如何進行異常判決等問題都沒有很好的解決。
　　本文主要研究在任意場景下均能使用的異常行為檢測算法。通過攝像頭在任意一個場景下拍攝一段較長時間的視頻作為訓練數(shù)據(jù)集,分析其中出現(xiàn)的行為,統(tǒng)計出同類行為的頻率,根據(jù)頻率的高低對行為進行正常/異常的定義,

3、并據(jù)此進行實時檢測判決。主要研究內容如下:
　　1,提出了一種輪廓序列的描述子,及相應的提取算法。算法利用幀間差和背景差的融合結果提取出運動目標區(qū)域。針對復雜場景下目標輪廓的斷裂情況,提出外切線探測算法獲取目標的外輪廓。在多目標處理時,設計跟蹤系統(tǒng),實現(xiàn)對目標的跟蹤、融合、分離。
　　2,針對描述子的維度不等產生的度量問題,提出了一種采樣、量化的處理方案,并以量化所得的輪廓單詞作為狀態(tài)空間集構建馬爾科夫概率模型;構建相應的異

4、常判決準則,用以對獲取的輪廓序列描述子進行統(tǒng)計建模和測試判決。
　　3,研究了基于滑窗探測運動的異常行為檢測,提出了基于聚類的混合高斯模型,用于異常判決。
　　4,將基于馬爾科夫概率模型的異常行為檢測算法用 C/C++語言和 OpenCV、MFC類庫完成軟件實現(xiàn),并進行實時性測試。
　　實驗證明本文提出的輪廓序列描述子和馬爾科夫概率模型能在復雜環(huán)境中較好的完成異常行為檢測,基于聚類的混合高斯模型能較好的在多目標的場景下