基于視頻的無(wú)監(jiān)督異常事件檢測(cè).pdf

1、隨著物質(zhì)生活的日益豐富，安全問(wèn)題成了每個(gè)民眾關(guān)心的話題，異常事件檢測(cè)作為安防系統(tǒng)的重要組成部分吸引著越來(lái)越多的科研工作者投入到該項(xiàng)研究中。目前的異常事件檢測(cè)分為有監(jiān)督和無(wú)監(jiān)督異常事件檢測(cè)。有監(jiān)督異常事件檢測(cè)需要人工標(biāo)記正常事件和異常事件，標(biāo)簽庫(kù)獲取困難，并且只能檢測(cè)訓(xùn)練數(shù)據(jù)庫(kù)中已存在或類(lèi)似的異常事件，對(duì)于其他未經(jīng)訓(xùn)練的異常事件檢測(cè)效果差，為此出現(xiàn)了無(wú)監(jiān)督異常事件檢測(cè)。無(wú)監(jiān)督異常事件檢測(cè)無(wú)需人工標(biāo)記，可以檢測(cè)多種異常事件，但目前的方法主要

2、針對(duì)特定場(chǎng)景進(jìn)行檢測(cè)，換一種場(chǎng)景效果會(huì)大大減弱，并且計(jì)算復(fù)雜度過(guò)高，難以適應(yīng)監(jiān)控視頻的實(shí)時(shí)性要求。本論文就無(wú)監(jiān)督異常事件檢測(cè)方面展開(kāi)研究，不依賴于特定視頻場(chǎng)景，對(duì)視頻段提取特征，建立基本事件表征模型，進(jìn)行實(shí)時(shí)的異常事件檢測(cè)與更新，同時(shí)給出了視頻中異常事件檢測(cè)系統(tǒng)的設(shè)計(jì)方法與具體實(shí)現(xiàn)。
　　本文的具體研究?jī)?nèi)容如下：
　　一、針對(duì)靜態(tài)視頻固有特點(diǎn)，結(jié)合當(dāng)前主流的運(yùn)動(dòng)對(duì)象軌跡提取方法，提出基于邊緣特征匹配的幀間差運(yùn)動(dòng)對(duì)象提取算法，

3、該算法能夠完整地提取出運(yùn)動(dòng)對(duì)象，并對(duì)運(yùn)動(dòng)對(duì)象跟蹤，加入邊緣和方向信息，使得軌跡提取更為準(zhǔn)確。
　　二、通過(guò)對(duì)運(yùn)動(dòng)對(duì)象進(jìn)行跟蹤，結(jié)合運(yùn)動(dòng)對(duì)象及其軌跡分布，分析運(yùn)動(dòng)軌跡規(guī)律，提取軌跡特征，將高斯混合模型運(yùn)用到異常事件檢測(cè)中，通過(guò)概率來(lái)表征異常事件出現(xiàn)的可能性，使得事件不再是簡(jiǎn)單的正常與異常。
　　三、針對(duì)群體運(yùn)動(dòng)特征難以描述的問(wèn)題，提出從視頻整體性出發(fā)，以視頻段的群體作為基本單位，對(duì)運(yùn)動(dòng)的劇烈程度和混亂程度進(jìn)行描述，將運(yùn)動(dòng)強(qiáng)度和

4、運(yùn)動(dòng)方向熵引入到異常事件檢測(cè)中，分析運(yùn)動(dòng)強(qiáng)度和運(yùn)動(dòng)方向熵的分布曲線，建立異常事件概率表示方法，使得異常事件檢測(cè)在相對(duì)擁擠視頻場(chǎng)景中具備良好效果。
　　四、對(duì)視頻中群體關(guān)聯(lián)關(guān)系進(jìn)行表征，采用運(yùn)動(dòng)對(duì)象間相識(shí)度的概念，從同步性和交流性對(duì)相識(shí)度進(jìn)行度量，并根據(jù)相識(shí)度進(jìn)行異常事件的預(yù)判，使得異常事件不再是發(fā)生后進(jìn)行檢測(cè)，為異常事件檢測(cè)提供了一種可能的研究方向。
　　實(shí)驗(yàn)證明了本論文提出的特征能夠較好地描述事件，建立的事件模型能夠適應(yīng)于