視頻中異常事件檢測(cè)與特征稀疏表示研究.pdf

1、隨著計(jì)算機(jī)技術(shù)的快速發(fā)展和視頻監(jiān)控技術(shù)的不斷革新，智能視頻監(jiān)控越來(lái)越受到人們的關(guān)注。而視頻異常事件檢測(cè)作為智能視頻監(jiān)控領(lǐng)域中的重要組成部分，具有實(shí)時(shí)、智能、經(jīng)濟(jì)的特點(diǎn)，在公共安全保障方面具有很高的學(xué)術(shù)價(jià)值和廣闊的商業(yè)前景，其主要工作是指能自動(dòng)分析視頻監(jiān)控場(chǎng)景中的事件，一旦發(fā)生異常事件就能立刻發(fā)出報(bào)警信號(hào)，從而提高相關(guān)部門(mén)的應(yīng)急響應(yīng)速度。
　　本文主要從基本事件描述和檢測(cè)模型建立這兩個(gè)方面研究視頻異常事件檢測(cè)。具體所做的工作主要有：

2、
　　1.結(jié)合譜聚類的優(yōu)點(diǎn)，本文提出了一種基于譜聚類的異常事件檢測(cè)方法。具體步驟是：訓(xùn)練階段，首先對(duì)視頻分塊并提取塊的光流信息，以光流信息表示塊的局部特征；然后以塊的局部特征作為原子構(gòu)建圖，采用拉普拉斯特征映射降維并采用自適應(yīng)聚類方法對(duì)局部特征聚類，獲得類中心作為碼字；最后由碼字組成碼本。測(cè)試階段，先對(duì)視頻分塊提取局部特征，然后計(jì)算與碼本的特征距離相似度，并結(jié)合前一時(shí)刻的8-鄰域信息進(jìn)行事件檢測(cè)。該方法只需對(duì)光流特征構(gòu)成的原子集合

3、進(jìn)行聚類即可建立正常事件模型，鄰域信息的引入進(jìn)一步提高了異常事件檢測(cè)的準(zhǔn)確性。實(shí)驗(yàn)結(jié)果表明，本方法對(duì)視頻監(jiān)控中異常事件具有較好的檢測(cè)效果。
　　2.結(jié)合視頻幀內(nèi)局部幾何結(jié)構(gòu)特征，提出了一種基于圖結(jié)構(gòu)正則化異常事件檢測(cè)模型。該模型在訓(xùn)練階段先對(duì)視頻序列分塊并提取塊的局部特征，采用圖結(jié)構(gòu)稀疏編碼模型獲得包含正常行為特征的字典。在測(cè)試階段，先對(duì)輸入的視頻序列分塊并提取塊的局部特征，獲取局部特征關(guān)于字典稀疏表示的重構(gòu)誤差，以重構(gòu)誤差作為判

4、斷異常的標(biāo)準(zhǔn)，如果誤差大于設(shè)定的閾值，則判為異常。實(shí)驗(yàn)結(jié)果表明，本方法能有效的檢測(cè)出視頻中的異常事件。
　　3.結(jié)合混合高斯模型強(qiáng)大的數(shù)據(jù)分類能力和稀疏表示高效的信息表達(dá)，提出了一種基于混合高斯和稀疏表示的視頻異常事件檢測(cè)模型。該模型在訓(xùn)練階段先對(duì)視頻分塊并提取塊的局部特征，采用高斯混合模型來(lái)描述局部特征規(guī)律，由所有單高斯中的均值組成均值矩陣，對(duì)其建立相似矩陣作為字典。在測(cè)試階段，計(jì)算局部特征與均值矩陣的核函數(shù)值并組成核矢量，對(duì)核