基于SVM的室內(nèi)異常行為檢測算法研究.pdf

1、現(xiàn)有的視頻監(jiān)控系統(tǒng)大多關(guān)注于場景內(nèi)運(yùn)動(dòng)目標(biāo)的檢測或跟蹤，然而，監(jiān)控的目的常常是對(duì)監(jiān)控場景中的異常事件或監(jiān)控對(duì)象的異常行為進(jìn)行檢測、分析，在長時(shí)間視頻序列中采用人工處理此類工作既不實(shí)用也不經(jīng)濟(jì)。因此，在視頻監(jiān)控序列中進(jìn)行異常檢測十分重要而且必要。 本文針對(duì)室內(nèi)環(huán)境中的異常行為進(jìn)行檢測，分別研究了基于人體側(cè)面信息進(jìn)行異常檢測的算法和利用正面信息進(jìn)行異常檢測的算法。文中均采用支持向量機(jī)(SVM)作為識(shí)別算法，在自行采集的實(shí)驗(yàn)數(shù)據(jù)庫上進(jìn)

2、行了訓(xùn)練和測試。 針對(duì)拍攝的人體側(cè)面運(yùn)動(dòng)視頻，本文指定跌倒為異常行為，其他行為為正常行為。文中選取質(zhì)心軌跡和人體輪廓寬度特征，采用線性核的SVM分類器進(jìn)行異常行為的識(shí)別。實(shí)驗(yàn)結(jié)果表明，該算法達(dá)到97％以上的檢出率和較低的誤檢率，同時(shí)擁有相對(duì)較低的計(jì)算代價(jià)。 對(duì)于正面的異常檢測，本文采用了一種基于網(wǎng)格技術(shù)的特征提取方法，將人體輪廓映射到一個(gè)二維數(shù)組，通過抽樣輪廓上的特征點(diǎn)，利用這些點(diǎn)的相對(duì)位置信息構(gòu)成特征向量，最后運(yùn)用SV