安防系統(tǒng)中基于視覺(jué)的異常行為分析算法研究與實(shí)現(xiàn).pdf

1、智能視頻監(jiān)控技術(shù)能自主對(duì)場(chǎng)景中的異常行為進(jìn)行識(shí)別，面對(duì)日漸嚴(yán)峻的安全形勢(shì)，其應(yīng)用越來(lái)越廣泛。目前大多數(shù)異常行為分析系統(tǒng)單純從圖像像素角度進(jìn)行分析，不同場(chǎng)景下識(shí)別復(fù)雜行為具有一定的局限性。本文針對(duì)這一問(wèn)題，利用基于單目視覺(jué)的攝像機(jī)標(biāo)定技術(shù)，對(duì)原有的異常行為分析算法進(jìn)行改進(jìn)，具有研究意義和應(yīng)用價(jià)值。
　　本文首先研究了攝像機(jī)標(biāo)定技術(shù)，實(shí)現(xiàn)了地平面像素坐標(biāo)到實(shí)際坐標(biāo)的轉(zhuǎn)換，并對(duì)目標(biāo)成像大小進(jìn)行估計(jì)，對(duì)于提高后續(xù)處理算法的通用性具有重要意

2、義。對(duì)于目標(biāo)檢測(cè)，采用基于混合高斯背景建模的背景減除法，增加了模型再匹配環(huán)節(jié)，以獲得更完整的前景目標(biāo);參考估計(jì)的目標(biāo)成像大小進(jìn)行目標(biāo)合并和篩選，以適應(yīng)不同視頻場(chǎng)景。對(duì)于目標(biāo)跟蹤，選擇Kalman和Meanshift相結(jié)合的方法，增加了Meanshift跟蹤窗口自適應(yīng)調(diào)整功能，利于減少目標(biāo)跟蹤丟失次數(shù);生成實(shí)際坐標(biāo)軌跡，利于提高行為分析的準(zhǔn)確性。對(duì)于異常行為分析，設(shè)計(jì)了區(qū)域入侵、尾隨、徘徊三種典型安防異常行為分析算法。最后，設(shè)計(jì)并實(shí)現(xiàn)了基