電梯轎廂內(nèi)異常行為識別研究.pdf

1、智能視頻監(jiān)控技術(shù)已被廣泛應(yīng)用于現(xiàn)有的視頻監(jiān)控場景之中，本文針對電梯轎廂環(huán)境的特殊性，將圖像處理技術(shù)和視頻分析技術(shù)應(yīng)用于電梯轎廂視頻監(jiān)控場景中，將轎廂內(nèi)可能發(fā)生的異常行為進行分類，針對不同行為的特點，分別提出了對應(yīng)的異常行為檢測方法。
　　本文針對電梯轎廂環(huán)境的特殊性，將轎廂內(nèi)可能發(fā)生的異常情況分為三類：單人的暈倒行為，多人的打架、搶劫行為及存在遺留物品，針對以上三種行為發(fā)生時的特點，提出三種對應(yīng)的異常檢測算法。首先，在目標前景檢測

2、中，通過自適應(yīng)中值濾波法融合均值法提取背景模型，將減背景法與Sobel算子邊緣檢測法結(jié)合來獲取前景圖像，解決了現(xiàn)有前景提取算法在電梯監(jiān)控場景中的不適用性，在獲取有效前景的同時，摒棄掉無用的邊緣，從而得到完整的前景目標。其次，利用連通區(qū)域內(nèi)像素統(tǒng)計的方法，進行乘梯人數(shù)的判斷，根據(jù)不同的乘梯人數(shù)判斷可能發(fā)生哪些異常行為。在單人暈倒識別問題上，通過計算相鄰兩幀之間輪廓的Hausdorff距離，判定是否存在靜止前景。對于多人異常行為識別的光流計

3、算的迭代問題，改進了傳統(tǒng)的金字塔光流模型，提出了基于 Harris角點的光流計算方法，極大的減少了數(shù)據(jù)規(guī)模及運算復(fù)雜度，并建立了一種基于角點動能的模型作為多人異常行為識別的判定標準。在遺留物檢測算法中，利用背景差法和幀差法的固有特點，當(dāng)幀差法無法檢測到物體，而背景差法可以檢測到物體時，可以判定存在遺留物品。
　　本文的系統(tǒng)平臺是基于 MFC語言并加載 OpenCV視覺庫進行開發(fā)的，并在模擬的環(huán)境中進行了相關(guān)的實驗。實驗結(jié)果表明，該