監(jiān)控視頻異常行為檢測(cè)算法研究.pdf

1、隨著社會(huì)的發(fā)展與進(jìn)步，越來越多的社會(huì)安全問題也隨之出現(xiàn)。如何避免與及時(shí)應(yīng)對(duì)突發(fā)公共事件作為公共安全的重要議題被學(xué)術(shù)界及工業(yè)界廣泛研究，進(jìn)而產(chǎn)生了多種多樣的安防機(jī)制及相應(yīng)的技術(shù)。視頻監(jiān)控技術(shù)作為被廣泛使用的監(jiān)管技術(shù)，在多個(gè)方面起到了至關(guān)重要的作用。然而目前的通用監(jiān)控技術(shù)仍然存在各種各樣的問題。
　　作為計(jì)算機(jī)視覺的重要范疇，對(duì)監(jiān)控視頻內(nèi)容的分析從發(fā)展之初便受到學(xué)術(shù)界的關(guān)注。視頻內(nèi)容的分析主要包括目標(biāo)檢測(cè)、目標(biāo)識(shí)別、目標(biāo)追蹤等幾大領(lǐng)域

2、。本文主要針對(duì)監(jiān)控視頻中的異常行為檢測(cè)問題，首先對(duì)異常的基本概念和基礎(chǔ)理論進(jìn)行了簡單介紹，綜述和分析了國內(nèi)外的研究現(xiàn)狀和主流算法，隨后提出了針對(duì)全局和局部異常檢測(cè)的算法，并分別對(duì)算法的具體實(shí)施和測(cè)試結(jié)果進(jìn)行了相關(guān)的分析。本文的研究內(nèi)容和創(chuàng)新點(diǎn)如下:
　　1.提出了基于多特征提取的局部異常檢測(cè)算法。傳統(tǒng)的異常檢測(cè)算法通?；\統(tǒng)地對(duì)異常進(jìn)行統(tǒng)一的特征提取，這將造成運(yùn)動(dòng)信息的不合理使用甚至丟失，進(jìn)而造成對(duì)異常檢測(cè)的高誤檢率。本文通過構(gòu)建局

3、部異常的特征模型，將局部異常進(jìn)一步劃分為速度異常、形態(tài)異常及位置異常，并為每一類異常分別進(jìn)行特征的提取和檢測(cè)，并最終得到統(tǒng)一性的異常得分。實(shí)驗(yàn)結(jié)果證明了這種分類方式是合理而具有優(yōu)勢(shì)的。
　　2.提出了基于分裂合并聚類算法的前景目標(biāo)提取方案。傳統(tǒng)的局部異常檢測(cè)特征提取方案通常將視頻序列劃分為固定大小規(guī)則形狀的塊（二維）或體（三維），這種劃分方式會(huì)產(chǎn)生對(duì)目標(biāo)的錯(cuò)誤分割及誤判率增加等問題。本文通過多次限制性迭代，在每一步迭代中不斷分裂不

4、符合樣本模型的前景區(qū)域，并合并相似性區(qū)域，實(shí)現(xiàn)對(duì)前景的有效分割，提取出單個(gè)或多個(gè)重疊目標(biāo)的前景，在此區(qū)域內(nèi)實(shí)現(xiàn)特征提取等操作。這一方案對(duì)特征區(qū)分度的影響較大，因此也是決定整體算法有效性的關(guān)鍵因素。
　　3.改進(jìn)了NSH分類算法。原有NSH算法盡管可以實(shí)現(xiàn)異常數(shù)據(jù)的檢測(cè)，然而其在尋找最優(yōu)參數(shù)時(shí)效率較低且魯棒性較差。本文提出的INSH算法通過在原有二分類算法框架基礎(chǔ)上重新定義目標(biāo)函數(shù)和重新設(shè)計(jì)凸包解決方案，實(shí)現(xiàn)比原有算法更優(yōu)的分類檢測(cè)