基于分層貝葉斯模型的智能視頻監(jiān)控中的異常檢測(cè).pdf

1、隨著計(jì)算機(jī)視覺(jué)處理技術(shù)、電子技術(shù)、通信技術(shù)和智能信息處理技術(shù)的快速發(fā)展，智能視頻監(jiān)控系統(tǒng)在國(guó)防建設(shè)、交通管制以及智能安保等眾多領(lǐng)域中得到廣泛的應(yīng)用。而現(xiàn)有的大多數(shù)視頻監(jiān)控系統(tǒng)仍依賴于監(jiān)控人員的現(xiàn)場(chǎng)操作，造成了人力資源的浪費(fèi)，也影響了整個(gè)工作系統(tǒng)的效率。因此，對(duì)智能視頻監(jiān)控系統(tǒng)中的關(guān)鍵技術(shù)進(jìn)行研究并提高視頻監(jiān)控的性能具有重要的理論意義和實(shí)用價(jià)值。
　　目前，智能視頻監(jiān)控方面的研究和應(yīng)用都面臨著很多難題，國(guó)內(nèi)外的許多學(xué)者投身于該領(lǐng)域的

2、研究，并取得了大量的成果。本文在這些成果的基礎(chǔ)上，主要針對(duì)智能視頻監(jiān)控系統(tǒng)中的運(yùn)動(dòng)目標(biāo)特征提取與異常事件檢測(cè)兩個(gè)步驟進(jìn)行了研究，主要的工作概括如下:
　　1、簡(jiǎn)要介紹了智能視頻監(jiān)控系統(tǒng)的主要任務(wù)、相關(guān)技術(shù)及其應(yīng)用;概述了貝葉斯方法、分層貝葉斯方法及其基本算法;歸納總結(jié)了常用聚類方法及其適用范圍和優(yōu)缺點(diǎn);列出了聚類算法的幾個(gè)性能指標(biāo)。
　　2、針對(duì)視頻文件的非結(jié)構(gòu)化、以像素的形式存儲(chǔ)目標(biāo)對(duì)象的顏色、亮度和位置等低層信息且數(shù)據(jù)量

3、巨大、表現(xiàn)內(nèi)容多樣性的特點(diǎn)。本文將視頻文件進(jìn)行預(yù)處理，借助于比較成熟的文本處理技術(shù)來(lái)實(shí)現(xiàn)視頻文件的分析。
　　3、針對(duì)智能視頻監(jiān)控中的運(yùn)動(dòng)目標(biāo)特征提取問(wèn)題，采用改進(jìn)的金字塔Lucas-Kanada(PLK)光流法來(lái)提取運(yùn)動(dòng)目標(biāo)的特征。傳統(tǒng)的Horn-Schunck光流法屬于稠密光流算法，對(duì)于運(yùn)動(dòng)不明確的像素，其計(jì)算量相當(dāng)大;而Lucas-Kanada就是一種稀疏光流法，解決了計(jì)算量大的問(wèn)題，然而該方法有很多限制條件，使得該光流法具

4、有很多局限性。PLK光流法的基本思想是構(gòu)造圖像序列的一個(gè)金字塔，較高的層是下層平滑后的下采樣形式，原始圖像層數(shù)等于零。該方法提高了滿足運(yùn)動(dòng)假設(shè)的可能性，從而實(shí)現(xiàn)對(duì)快速運(yùn)動(dòng)目標(biāo)的特征提取。針對(duì)PLK光流算法中使用的最小二乘方法穩(wěn)健性差的缺點(diǎn)，使用加權(quán)最小二乘法對(duì)PLK光流法進(jìn)行改進(jìn)。實(shí)驗(yàn)結(jié)果表明:相對(duì)于傳統(tǒng)的光流法，改進(jìn)的PLK光流法具有較好的特征提取效果。
　　4、針對(duì)智能視頻監(jiān)控中的異常檢測(cè)問(wèn)題，提出了加權(quán)分層貝葉斯模型。該模型

5、的核心思想是對(duì)先驗(yàn)分布的選取采用分層先驗(yàn)，其基本思路:人們可能同時(shí)掌握總體結(jié)構(gòu)和部分細(xì)節(jié)的先驗(yàn)信息，則分階段（層）有步驟地建立模型，當(dāng)所給定先驗(yàn)分布中超參數(shù)難以確定時(shí)，可以對(duì)超參數(shù)再給出一個(gè)先驗(yàn)，第二個(gè)先驗(yàn)稱為超先驗(yàn)。由先驗(yàn)和超先驗(yàn)共同決定的一個(gè)新先驗(yàn)，就稱為分層先驗(yàn)。該模型將分層貝葉斯分析的理論用于模型的先驗(yàn)分布假設(shè)，有助于消除先驗(yàn)分布對(duì)估計(jì)結(jié)果的過(guò)度影響，增強(qiáng)估計(jì)的穩(wěn)健性，使模型具有較強(qiáng)的適用性。實(shí)驗(yàn)結(jié)果表明:相對(duì)于傳統(tǒng)的貝葉斯，該