基于監(jiān)控視頻的人體異常行為檢測(cè)研究.pdf

1、隨著科技的飛速發(fā)展和人們生活水平的不斷提高，人們對(duì)自身的安全意識(shí)程度逐漸加強(qiáng)，智能監(jiān)控設(shè)備早已在電梯、機(jī)場(chǎng)、銀行、廣場(chǎng)等公眾場(chǎng)所隨處可見。隨著計(jì)算機(jī)視覺領(lǐng)域在智能監(jiān)控平臺(tái)的發(fā)展，異常行為的檢測(cè)與分析已成為當(dāng)今學(xué)者研究的熱點(diǎn)問(wèn)題，有著極其廣闊的應(yīng)用前景。然而，在傳統(tǒng)的視頻監(jiān)控中，監(jiān)控的工作需手動(dòng)完成，相關(guān)人員要通過(guò)培訓(xùn)，還要24小時(shí)不間斷地完成調(diào)整角度，捕捉異常圖像，發(fā)布命令等操作，耗費(fèi)了大量的時(shí)間和財(cái)力，因此利用智能監(jiān)控平臺(tái)完成對(duì)人體異

2、常行為檢測(cè)和分析的工作意義重大。
　　本課題對(duì)異常行為檢測(cè)過(guò)程中涉及到的相關(guān)理論和技術(shù)進(jìn)行介紹及改進(jìn)，異常行為檢測(cè)過(guò)程大致分為三個(gè)部分：運(yùn)動(dòng)目標(biāo)提取、運(yùn)動(dòng)目標(biāo)跟蹤和行為檢測(cè)與分析。在運(yùn)動(dòng)目標(biāo)提取方面，本課題通過(guò)比較不同背景建模算法之間的前景提取效果及執(zhí)行效率，選擇Zivkovic提出的自適應(yīng)的混合高斯模型，得到理想的前景目標(biāo)；在運(yùn)動(dòng)目標(biāo)跟蹤方面，針對(duì)幾種跟蹤算法的優(yōu)缺點(diǎn)，提出改進(jìn)后的Camshift結(jié)合卡爾曼濾波方法，有效解決運(yùn)動(dòng)

3、人體與背景區(qū)域大面積相似和目標(biāo)間重疊問(wèn)題。
　　本課題分別在室內(nèi)和室外的監(jiān)控場(chǎng)景中，針對(duì)人數(shù)較少的情況下完成異常行為檢測(cè)。在室內(nèi)場(chǎng)景下，提出基于Horn&Schunck光流特征的區(qū)域光流能量方法，通過(guò)設(shè)定閾值對(duì)五類行為視頻進(jìn)行分析，從而檢測(cè)異常行為。與傳統(tǒng)光流能量相比，該方法提高了識(shí)別的準(zhǔn)確率。在室外場(chǎng)景下，利用人體的質(zhì)心及外接矩形框等幾何特征和人體運(yùn)動(dòng)軌跡特征分別對(duì)人體跌倒和徘徊行為進(jìn)行檢測(cè)，滿足對(duì)異常行為檢測(cè)的實(shí)時(shí)性要求。使用