視頻監(jiān)控中的人體異常行為識(shí)別方法研究.pdf

1、人體異常行為識(shí)別是指對視頻序列中的人體行為進(jìn)行自動(dòng)分析,并判斷運(yùn)動(dòng)人體行為是否異常的技術(shù),是計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)問題。人體異常行為識(shí)別技術(shù)研究在智能視頻安全監(jiān)控領(lǐng)域中有著廣泛的應(yīng)用價(jià)值,具有重要的實(shí)際意義。這種基于異常行為分析的智能視頻監(jiān)控系統(tǒng)不僅能夠忽略監(jiān)控系統(tǒng)中的無用信息,還能夠高效地完成保障安全的任務(wù),節(jié)省大量的人力、財(cái)力、物力,給社會(huì)帶來巨大的經(jīng)濟(jì)效益。本文主要對跑、彎腰走、跳、下蹲、摔倒、徘徊、砸車七種人體異常行為進(jìn)行識(shí)別

2、,研究內(nèi)容涉及運(yùn)動(dòng)人體檢測、跟蹤、特征提取和行為識(shí)別技術(shù)。
　　論文在分析對比幀間差分法、光流法、背景減除法等常用運(yùn)動(dòng)目標(biāo)檢測方法的優(yōu)缺點(diǎn)的基礎(chǔ)上,選用基于K均值聚類的混合高斯模型背景減除法進(jìn)行運(yùn)動(dòng)目標(biāo)檢測,并利用數(shù)學(xué)形態(tài)學(xué)圖像處理方法對運(yùn)動(dòng)檢測的空洞進(jìn)行后處理,得到比較完整的運(yùn)動(dòng)人體目標(biāo);利用卡爾曼濾波算法和 Mean shift算法相組合的跟蹤算法,提高運(yùn)動(dòng)目標(biāo)跟蹤的實(shí)時(shí)性。
　　論文對LBP算子和Hu矩進(jìn)行了深入研究。

3、利用LBP算子提取的特征能充分描述圖像的紋理特征和Hu矩能夠較好地描述運(yùn)動(dòng)區(qū)域信息的特點(diǎn),提出采用基于旋轉(zhuǎn)不變性均勻模式 LBP特征和較低階數(shù)的四個(gè)Hu矩4321M, M, M, M相結(jié)合的運(yùn)動(dòng)特征描述方法,該方法對運(yùn)動(dòng)特征的提取具有較好的魯棒性。實(shí)驗(yàn)結(jié)果表明,該種運(yùn)動(dòng)特征描述方法能夠較好地表征運(yùn)動(dòng)人體的行為。
　　在行為識(shí)別方面,選用基于狀態(tài)圖轉(zhuǎn)移模型的方法,利用隱馬爾可夫模型對時(shí)間和空間尺度上運(yùn)動(dòng)的微小變化具有較好的魯棒性的特