基于智能視頻分析的異常檢測(cè)算法及其應(yīng)用研究.pdf

1、智能視頻分析利用計(jì)算機(jī)視覺(jué)、圖像處理、視頻分析和模式識(shí)別的方法對(duì)攝像機(jī)拍攝的視頻序列進(jìn)行智能分析，有效降低漏報(bào)和誤報(bào)現(xiàn)象發(fā)生的概率，實(shí)現(xiàn)了監(jiān)控系統(tǒng)由“被動(dòng)監(jiān)控”到“主動(dòng)監(jiān)控”的轉(zhuǎn)變，有助于用戶對(duì)異常事件及時(shí)做出響應(yīng)，是計(jì)算機(jī)視覺(jué)領(lǐng)域中一個(gè)新興的應(yīng)用方向和備受關(guān)注的前沿課題。
　　本文首先對(duì)基于視頻的周界入侵檢測(cè)算法進(jìn)行了研究。為了減小環(huán)境變化、光照、噪聲、圖像質(zhì)量等對(duì)智能視頻監(jiān)控入侵檢測(cè)方法造成的負(fù)面影響，本文提出利用 HOG和傅

2、立葉描述子作為特征，利用 SVM訓(xùn)練分類器，實(shí)現(xiàn)對(duì)入侵目標(biāo)的準(zhǔn)確識(shí)別，排除動(dòng)物、植物等其他干擾因素，從而有效降低系統(tǒng)的誤報(bào)率。
　　隨著深度神經(jīng)網(wǎng)絡(luò)在圖像處理、語(yǔ)音識(shí)別和自然語(yǔ)言處理等領(lǐng)域取得的巨大成功，本文探索了利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行行人檢測(cè)，改善了傳統(tǒng)的基于 HOG的行人檢測(cè)方法，所實(shí)現(xiàn)的基于 Caffe框架的鐵軌人員入侵檢測(cè)取得了顯著效果，在實(shí)驗(yàn)所用測(cè)試數(shù)據(jù)集上取得了優(yōu)異的效果。
　　在當(dāng)前社會(huì)人口老齡化和家庭空巢化等問(wèn)