基于時空特征的異常行為建模與檢測算法研究.pdf

1、隨著計算機技術(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)控越來越受到人們的關(guān)注。而視頻中的異常行為檢測是智能視頻監(jiān)控中的一個重要研究方向，具有實時、智能、經(jīng)濟的特點，在公共安全保障方面具有很高的學術(shù)價值和廣闊的商業(yè)前景，其主要工作是自動分析一些人口流動性大、稠密度高的監(jiān)控場景中的人群行為特征，一旦發(fā)生異常行為就立刻發(fā)出報警信號，從而提高相關(guān)部門的應(yīng)急響應(yīng)速度。因此，針對視頻中的異常行為檢測需要進行深入的研究。
　　目前異常行為

2、檢測的研究主要在于目標行為的特征表示與檢測模型的構(gòu)建。本文對異常行為檢測模型進行了研究，主要開展了以下工作：
　　1、考慮到在監(jiān)控視頻序列中，由于不同位置的目標距離攝像頭遠近的差異，會對提取的特征產(chǎn)生影響，從而導(dǎo)致對行為的錯誤判決，因此對視頻序列按位置分塊，以此來消除目標距攝像頭遠近所造成的影響。
　　2、采用比光流魯棒性更高的3D-SIFT作為目標特征，并將3D-SIFT特征轉(zhuǎn)化為熵屬性，分別從時域混亂屬性、空域混亂屬性及

3、光流屬性對目標塊局部特征進行描述，最后通過 KL距離屬性來對行為特征全局信息進行表達，并在此基礎(chǔ)上提出了一種基于多屬性融合的異常行為檢測模型。
　　3、研究了協(xié)稀疏表示模型，將目標塊特征的協(xié)稀疏先驗作為正則項引入到異常行為檢測模型中，提出了基于協(xié)稀疏正則化的異行為件檢測算法，利用基于l1范數(shù)最小化的協(xié)稀疏編碼算法重構(gòu)目標塊特征。
　　4、研究了組稀疏表示模型，考慮到特征間的組結(jié)構(gòu)特性，對特征進行分組并將組稀疏表示模型應(yīng)用到異