基于智能視頻監(jiān)控的人體異常行為識別的研究.pdf

1、隨著視頻監(jiān)控系統(tǒng)在社區(qū)、安檢等方面的廣泛應(yīng)用，怎么樣自動進行迅速而又精準(zhǔn)的異常行為的檢測成為視頻監(jiān)控范疇中一個亟待解決的題目。人體異常行為識別的核心包含運動目標(biāo)檢測、運動目標(biāo)跟蹤、特征提取以及后期的異常行為識別這幾個重要部分。
　　因為人體的運動是非剛性的運動，而且由于運動習(xí)慣、外觀、復(fù)雜的環(huán)境情況差異使得識別的難度較大，所建的人體模型不能準(zhǔn)確的表達人體的運動行為，以上的描述都給運動人體異常行為檢測的研究帶來了極大的挑戰(zhàn)。本文研究

2、改進了運動目標(biāo)檢測算法，通過三幀差法結(jié)合自適應(yīng)高斯混合建模能夠清楚的提取運動前景并提出一套識別人體異常行為的方法，它能夠快速準(zhǔn)確的檢測出視頻序列中的人體行為是否發(fā)生異常。
　　異常行為識別的第一步即是進行運動目標(biāo)檢測，運動目標(biāo)檢測效果的好壞對識別的效果具有直接的影響，因此本文首先研究了運動目標(biāo)檢測算法，通過采用幀差法、背景減除法和背景建模中的高斯混合模型進行了運動目標(biāo)檢測實驗，并對各個算法的優(yōu)缺點做了精確分析，我們通過三幀差法對視

3、頻序列劃分為正在運動區(qū)域、已經(jīng)運動區(qū)域和背景區(qū)域，分別給予不同的高斯混合模型更新率即自適應(yīng)學(xué)習(xí)率。并將更新策略做了調(diào)整進行本文的運動目標(biāo)檢測。
　　分析根據(jù)上文的運動目標(biāo)檢測方法檢測到的人體運動目標(biāo)，接下來對其進行特征提取以及人體異常行為識別，首先對特征提取算法進行了研究，根據(jù)人體質(zhì)心橫坐標(biāo)的變化將其分為移動型行為以及準(zhǔn)靜止型行為，對兩種行為分別提取質(zhì)心變化特征、膝關(guān)節(jié)位置特征以及hu矩形狀特征。最后一步是進行異常行為的識別，通過