基于改進(jìn)的稀疏重構(gòu)算法行人異常為分析.pdf

1、視頻監(jiān)控中人體異常行為分析是智能視頻監(jiān)控領(lǐng)域中重要的研究方向，通過利用計(jì)算機(jī)視覺技術(shù)對(duì)視頻內(nèi)容分析達(dá)到對(duì)人體異常行為進(jìn)行智能檢測(cè)的目的，這樣可以過濾掉監(jiān)控視頻中大量對(duì)安防無用的信息，節(jié)約了大量的人力，并解決了傳統(tǒng)監(jiān)控系統(tǒng)的事后性。本文針對(duì)視頻監(jiān)控中運(yùn)動(dòng)人體的行為進(jìn)行分析研究，具體涉及到目標(biāo)跟蹤和人體行為分析兩部分。
　　目前，大量跟蹤算法都存在跟蹤速度慢、算法魯棒性低、計(jì)算量大以及錯(cuò)誤跟蹤等問題。針對(duì)目標(biāo)跟蹤存在的跟蹤速度慢及錯(cuò)誤

2、跟蹤的問題，本文在時(shí)空上下文算法的基礎(chǔ)上結(jié)合卡爾曼濾波器來進(jìn)行目標(biāo)跟蹤，較好的解決了這些問題。時(shí)空上下文算法通過學(xué)習(xí)目標(biāo)局部時(shí)空上下文模型，計(jì)算結(jié)合目標(biāo)的時(shí)空上下文的置信圖，以此估計(jì)最佳目標(biāo)位置。該算法的特點(diǎn)是，針對(duì)單一背景和單一目標(biāo)進(jìn)行追蹤，由于時(shí)空模型的學(xué)習(xí)和目標(biāo)的檢測(cè)都是通過傅里葉變換來實(shí)現(xiàn)的，所以學(xué)習(xí)和檢測(cè)的速度都比較快，但該方法只解決了部分遮擋問題。針對(duì)這些局限性和缺點(diǎn)，我們?cè)跁r(shí)空上下文算法的基礎(chǔ)上加入了卡爾曼濾波器來預(yù)測(cè)目標(biāo)

3、的運(yùn)動(dòng)狀態(tài)，能夠處理較復(fù)雜背景中多目標(biāo)的暫時(shí)遮擋問題，提高了跟蹤精度。
　　在異常分析方面，利用運(yùn)動(dòng)軌跡來分析目標(biāo)行為的方法受到越來越多的關(guān)注。基于模型的軌跡分析方法，首先需要對(duì)軌跡進(jìn)行預(yù)處理，然后提取軌跡的局部細(xì)節(jié)信息，最后判斷異常，因此檢測(cè)速度較慢;基于目標(biāo)高層次意向性特征的軌跡分析方法，速度較快，但是由于異常檢測(cè)部分用到了粒子濾波，因此需要用大量的樣本數(shù)量才能很好地近似系統(tǒng)的后驗(yàn)概率密度，導(dǎo)致算法的復(fù)雜度較高。本文通過改進(jìn)的