智能視頻監(jiān)控中的目標識別與異常行為建模與分析.pdf

1、智能視頻監(jiān)控(Intelligent Video Surveillance)是計算機視覺領(lǐng)域中近幾年來倍受關(guān)注的一個應(yīng)用領(lǐng)域,它是利用計算機視覺和圖像處理等技術(shù)對視頻信號進行處理、分析和理解,并對視頻監(jiān)控系統(tǒng)進行控制,比如監(jiān)控系統(tǒng)可以自動識別不同的物體；發(fā)現(xiàn)監(jiān)控畫面中的異常情況,并能夠以最快和最佳的方式發(fā)出警報和提供有用信息,從而能夠更加有效的協(xié)助監(jiān)控人員獲取準確信息和處理突發(fā)事件；或者過濾掉監(jiān)控者不關(guān)心的信息,僅僅為監(jiān)控者提供有用的關(guān)

2、鍵信息,從而提高視頻監(jiān)控系統(tǒng)智能化和自動化水平。這樣才能有效解決傳統(tǒng)的視頻監(jiān)控系統(tǒng)由于存在著數(shù)據(jù)量大,響應(yīng)時間長和人類自身固有的弱點等缺陷導(dǎo)致的監(jiān)控效率低下和繁瑣的工作量等問題。
　　 由于智能視頻監(jiān)控是一個涵蓋廣泛的系統(tǒng)性工程,涉及圖像處理、計算機視覺、模式識別、人工智能技術(shù)、通信技術(shù)和網(wǎng)絡(luò)技術(shù)等諸多技術(shù)領(lǐng)域的綜合應(yīng)用,本文重點研究了智能視頻監(jiān)控技術(shù)中的一個應(yīng)用方向:異常行為的檢測與識別,并就其涉及的一些相關(guān)具體問題做了深入的

3、研究,主要的研究內(nèi)容和貢獻包括:
　　 1、研究和實現(xiàn)了智能視頻處理的中的一些基礎(chǔ)技術(shù),包括利用自適應(yīng)高斯混合模型來對背景進行建模來進行運動目標的提取,達到了很好的抑制噪聲和提高目標完整度的目的；利用Mean-shift跟蹤算法對運動目標進行跟蹤,避免了運動檢測中的目標粘連問題；并進一步利用多子塊灰度相關(guān)匹配方法從一定程度上解決了跟蹤過程中容易出現(xiàn)的目標丟失和混亂問題,保證了后續(xù)研究工作的可靠性。
　　 2、創(chuàng)建了一個包

4、含一萬七千多個樣本的運動目標訓(xùn)練庫和測試庫,其中包含行人、機動車輛、其他目標這三個類別的目標輪廓圖,可以用于運動目標的特征提取與分類識別的實驗研究。
　　 3、深入研究了目標檢測與識別問題,總結(jié)為靜態(tài)目標識別和動態(tài)目標兩個研究方式并綜述了各自的研究方法和特點；研究了降維算法理論在模式識別領(lǐng)域中的應(yīng)用,研究了更能反映降維算法的本質(zhì)特征的圖嵌入模型,提出了一種基于研究中建立的大樣本訓(xùn)練庫和邊緣fisher判別的運動目標識別框架,克服

5、了一些傳統(tǒng)方法對于特征提取過程的苛刻要求和識別對象種類局限的種種不足,達到了更好的通用性和高效性。
　　 4、探討和研究了智能視頻監(jiān)控系統(tǒng)中新興的研究領(lǐng)域:視頻場景中的異常檢測問題,分析并總結(jié)了異常行為的本質(zhì)特征,通過對于行為特征的定義和統(tǒng)一的建模方法,提出了一種既可以在監(jiān)督情況下,又適用于非監(jiān)督情況下的異常行為檢測的思路和系統(tǒng)結(jié)構(gòu)。
　　 5、運動軌跡信息是運動目標行為的一個最重要的特征之一,本文提出了一種新的度量運動

6、軌跡相似度的算法一分段上下文編輯距離(SCED)算法,利用運動過程中的不同階段來挖掘運動特征,在懲罰函數(shù)中增加了位置、方向、速度上的差異信息,讓它在運動軌跡的距離計算中顯的更為合理,并具有很好的計算效率。
　　 6、基于動態(tài)貝葉斯網(wǎng)絡(luò)的原理,本文設(shè)計了一種新的名叫SMI,一HMM的模型來對復(fù)雜行為的因果時序關(guān)系進行建模、和異常行為的識別。用最少的狀態(tài)聯(lián)系來對行為進行描述,達到了模型參數(shù)的表達和推理的優(yōu)化目的,減少了計算的復(fù)雜度,