視頻監(jiān)控系統(tǒng)下航站樓旅客異常行為檢測方法研究.pdf

1、機場航站樓作為民航交通和運輸?shù)闹匾獦屑~之一，旅客吞吐量較高，屬于異常行為多發(fā)區(qū)域。而傳統(tǒng)的航站樓監(jiān)控系統(tǒng)因監(jiān)控點多且需人工監(jiān)測等特點顯得非常耗時費力，已很難滿足機場安全管理的需要。因此，采用智能視頻分析技術(shù)，主動對航站樓內(nèi)旅客異常行為進行實時檢測并報警，能有效協(xié)助機場安保人員處理異常事件，完善機場對突發(fā)事件的快速反應(yīng)能力。本文主要對智能監(jiān)控下旅客群聚、奔跑以及遺留物體三種異常行為的檢測方法所涉及的關(guān)鍵技術(shù)進行深入研究，主要內(nèi)容有：

2、>　　首先，視頻監(jiān)控下運動目標(biāo)的提取。在傳統(tǒng)高斯混合模型的基礎(chǔ)上，優(yōu)化高斯模型的均值及方差的更新機制，引入HSV空間陰影去除方法，從而克服初始建模速度慢且存在大量陰影的缺點，較好地重建視頻圖像的背景模型，實現(xiàn)運動目標(biāo)的提取。
　　其次，旅客群聚和奔跑異常行為檢測，根據(jù)這兩種異常行為在人群密度和運動特征上的表現(xiàn)形式的差異，提出各自的判斷指標(biāo)對異常行為進行檢測。采用攝像機透視效應(yīng)的加權(quán)前景面積以及前景的二維聯(lián)合信息熵設(shè)計人群密度指標(biāo)；

3、利用金字塔LK光流特征計算能量和加權(quán)方向直方圖熵對運動特征進行定量描述。通過不同模擬機場航站樓場景下的視頻序列進行測試，對本文提出算法的可靠性進行驗證。
　　最后，基于遺留物檢測的旅客異常行為檢測。采用不同更新速率的改進GMM模型對場景的雙重背景進行建模，去除行人等運動目標(biāo)的干擾，實現(xiàn)對場景中短期靜止目標(biāo)的提??；根據(jù)目標(biāo)的多個特征對其進行跟蹤分析，當(dāng)其在場景中停留時間超過設(shè)定的閾值，則將其判斷為遺留物；結(jié)合遺留物的狀態(tài)變化和歷史圖