智能監(jiān)控中目標檢測與異常行為識別算法研究.pdf

1、為了解決傳統(tǒng)視頻監(jiān)控工作效率低下、耗費人力物力等問題，本文通過對視頻數(shù)據(jù)流的分析，自動實現(xiàn)場景中的目標檢測，并在此基礎上進行目標行為分析、識別和理解，實現(xiàn)在監(jiān)控場景下發(fā)生異常行為的智能監(jiān)控和處理。具體的工作如下：
　　1）根據(jù)幾種經(jīng)典的運動目標檢測算法構(gòu)建一個框架，該框架在考慮性能和設計時間成本的情況下，隨著場景的變化，自適應地選擇最優(yōu)算法參數(shù)組合對運動目標進行檢測，并且運行時間能夠根據(jù)實時輸入進行自適應調(diào)節(jié)。有效解決不同場景下運

2、動目標檢測效果差異明顯的問題，從而增強檢測算法的通用性。
　　2）提出一種基于模糊迭代自組織數(shù)據(jù)分析聚類結(jié)合直方圖熵值算法對異常行為進行檢測。該算法通過模糊迭代自組織數(shù)據(jù)分析聚類方法獲取視頻關(guān)鍵幀并分類，從而減少計算復雜度。對三種異常行為進行建模，根據(jù)分類結(jié)果和建立的異常行為模型，采用直方圖熵值作為總特征對異常行為進行檢測，并與方向梯度直方圖結(jié)合支持向量機的異常行為檢測算法進行比較分析。
　　3）在不同場景下，分別對三種異常

3、行為的運動特征進行分析，獲取異常行為特征參數(shù)。設定三種異常行為判定準則，將異常行為檢測模型所定義的規(guī)則存儲到數(shù)據(jù)庫中，建立異常行為規(guī)則庫，給出異常行為規(guī)則匹配流程，分析檢測出的異常行為是否與規(guī)則匹配。實驗表明，所建立的異常行為規(guī)則庫能夠識別出具體異常行為。
　　綜上所述，在智能視頻監(jiān)控系統(tǒng)中構(gòu)造的自適應檢測算法框架能夠解決單個檢測算法通用性不強的問題，文中提出的模糊迭代自組織數(shù)據(jù)分析聚類結(jié)合直方圖熵值的異常行為檢測算法相對于方向梯