基于計(jì)算機(jī)視覺的電梯轎廂內(nèi)異常行為檢測(cè).pdf

1、針對(duì)電梯轎廂內(nèi)暴力行為的日益增多，安全問(wèn)題需要得到更多的關(guān)注。而目前的傳統(tǒng)視頻監(jiān)控?zé)o法自動(dòng)地檢測(cè)異常行為，還需要人參與其中，其效率和準(zhǔn)確性都不能令人滿意。智能視頻監(jiān)控技術(shù)作為電梯轎廂內(nèi)異常檢測(cè)的必然發(fā)展趨勢(shì)，能夠克服傳統(tǒng)視頻監(jiān)控的缺點(diǎn)，有效地識(shí)別異常行為。
　　 本文主要研究了智能視頻監(jiān)控中的數(shù)字圖像處理、模式識(shí)別和計(jì)算機(jī)視覺等關(guān)鍵技術(shù)，探討了一種電梯轎廂內(nèi)異常行為檢測(cè)方法。首先對(duì)四種基于減背景的人體前景提取算法進(jìn)行了研究來(lái)提取

2、人體前景，然后通過(guò)基于前景連通區(qū)域像素統(tǒng)計(jì)的人數(shù)判斷方法，獲取電梯轎廂內(nèi)人數(shù)信息，最后針對(duì)單人和多人情況采取不同的異常行為檢測(cè)方式。對(duì)于多人的情況，主要檢測(cè)的是類似打斗這樣的異常行為。通過(guò)采集電梯轎廂內(nèi)的視頻圖像，計(jì)算人體前景像素?cái)?shù)量的變化、前景外接矩形的長(zhǎng)寬變化以及前景外接矩形的中心變化這三個(gè)相關(guān)特征，并組成三維人體運(yùn)動(dòng)特征向量。對(duì)于獲得的三維特征向量，本文研究了三種聚類方法，并通過(guò)對(duì)特征向量數(shù)據(jù)使用聚類算法，得到觀察符號(hào)序列。利用得

3、到的觀察符號(hào)序列對(duì)電梯轎廂內(nèi)人體正常行為模式建立隱馬爾可夫模型，根據(jù)與正常行為隱馬爾可夫模式的比較來(lái)識(shí)別電梯轎廂內(nèi)的多人異常行為。對(duì)于單人情況，主要檢測(cè)的是類似于突發(fā)疾病而倒地長(zhǎng)時(shí)間靜止不動(dòng)的異常行為。本文首先通過(guò)研究基于二值圖的人體輪廓跟蹤方法獲取人體初始輪廓；然后研究了Snake方法，并通過(guò)此方法獲得更接近人體形狀的人體輪廓；最后通過(guò)Hausdorff算法來(lái)對(duì)連續(xù)兩幀圖像中獲得的人體輪廓進(jìn)行匹配度計(jì)算，通過(guò)計(jì)算一段時(shí)間內(nèi)的人體前后幀