基于概率模型的異常行為檢測方法研究.pdf

1、隨著視頻監(jiān)控系統(tǒng)在各領(lǐng)域越來越廣泛的應(yīng)用，傳統(tǒng)的人工標定視頻中異常行為的方法，已不能滿足海量視頻數(shù)據(jù)分析的需求。異常行為檢測基于計算機視覺、模式識別等技術(shù)，通過學習視頻場景中目標的行為模式，實現(xiàn)對目標異常行為的自動檢測。異常行為檢測具有重大的應(yīng)用價值，其與視頻監(jiān)控系統(tǒng)相結(jié)合，在國家安全、打擊犯罪、醫(yī)療救助等領(lǐng)域發(fā)揮巨大作用。目前對異常行為檢測方法的研究尚處于起步階段，包括異常定義、模型構(gòu)建在內(nèi)的諸多問題亟待解決，相關(guān)研究具有很高的學術(shù)意

2、義。因此，本文致力于異常行為檢測方法的研究，力圖在不同的時間尺度上，探索異常行為無監(jiān)督的描述和檢測方法。
　　 本文的主要工作及特色如下：
　　 (1)提出了一種基于姿態(tài)直方圖的異常姿態(tài)檢測方法?；谀繕说姆律洳蛔兙厣勺藨B(tài)碼本，將圖像劃分為若干區(qū)域，每個區(qū)域分別訓練直方圖統(tǒng)計該區(qū)域各姿態(tài)碼字出現(xiàn)的次數(shù)。通過估計目標姿態(tài)在其所在區(qū)域出現(xiàn)的概率判斷是否異常。該異常姿態(tài)檢測方法不依賴目標的先驗知識，建模過程無監(jiān)督，不受視點變

3、化的影響，實驗證明該方法的有效性。
　　 (2)提出了一種基于混合單邊廣義高斯模型的異常軌跡檢測方法。基于改進的軌跡距離算法，通過對少量軌跡樣本的聚類并分析聚類結(jié)果的統(tǒng)計特性初始化模型的參數(shù)，訓練模型以計算軌跡發(fā)生的概率作為軌跡異常判據(jù)。該異常軌跡檢測方法不依賴場景的先驗知識，建模過程無監(jiān)督，實驗證明該方法的有效性和魯棒性。
　　 (3)提出了綜合姿態(tài)特征和軌跡特征的異常行為檢測框架。該框架以目標特征出現(xiàn)的概率描述異常行