智能視頻監(jiān)控中人體異常行為識別研究.pdf

1、近年來,隨著全球經(jīng)濟(jì)飛速發(fā)展、社會迅猛進(jìn)步以及各國綜合國力不斷提升,社會治安問題日趨嚴(yán)重，大到銀行、商場、地鐵、車站和工廠，小到居民小區(qū)和學(xué)校宿舍等各種場合，對安全防范實(shí)時(shí)記錄和實(shí)時(shí)自動(dòng)報(bào)警的需求都在不斷增加,對智能化程度的要求也越來越嚴(yán)格。傳統(tǒng)的監(jiān)控模式已經(jīng)遠(yuǎn)遠(yuǎn)不能滿足需求，結(jié)合各監(jiān)控場景特點(diǎn)的智能化視頻監(jiān)控系統(tǒng)是熱門發(fā)展趨勢。
　　智能化視頻監(jiān)控是指在幾乎不需要任何人為干預(yù)的情況下，充分地運(yùn)用計(jì)算機(jī)視覺、數(shù)字圖像處理和模式識別

2、等多種方法對攝像機(jī)實(shí)時(shí)拍攝的視頻序列進(jìn)行自動(dòng)分析處理，主要包括對監(jiān)控區(qū)域中感興趣的、事先定義好的行為事件。首先進(jìn)行前景檢測和提取，然后做相應(yīng)的標(biāo)記和跟蹤，最后進(jìn)行行為分析和視頻注解，同時(shí)當(dāng)視頻中出現(xiàn)異常行為時(shí)進(jìn)行自動(dòng)報(bào)警提示。
　　本文主要針對視頻監(jiān)控中的異常行為分析進(jìn)行了深入的研究，采用中科院自動(dòng)化研究所的CASIA視頻數(shù)據(jù)庫作為分析的數(shù)據(jù)來源。CASIA視頻數(shù)據(jù)庫主要包括單人行為，如走、跑、跳、暈倒和徘徊等，雙人互動(dòng)行為，如打

3、架、超越、搶包、相遇和分開等，針對多種行為提取關(guān)鍵特征進(jìn)行行為的分類和識別。主要研究內(nèi)容包括以下幾個(gè)方面：
　　1.針對運(yùn)動(dòng)目標(biāo)檢測，本文主要研究并應(yīng)用HS光流法、LK光流法、幀差法和混合高斯背景建模法三類算法，并分別進(jìn)行了仿真實(shí)驗(yàn)，通過對三種算法實(shí)驗(yàn)效果的比較，最終選定高斯背景建模法。本文運(yùn)用kalman濾波器實(shí)現(xiàn)對運(yùn)動(dòng)目標(biāo)跟蹤，并針對多目標(biāo)、目標(biāo)融合和目標(biāo)消失等多種情況下的跟蹤分別進(jìn)行討論，并進(jìn)行實(shí)驗(yàn)仿真，實(shí)現(xiàn)了單目標(biāo)和多目標(biāo)

4、的有效跟蹤。
　　2.針對運(yùn)動(dòng)目標(biāo)特征提取，本文選擇與拍攝視角、運(yùn)動(dòng)目標(biāo)成像大小、運(yùn)動(dòng)目標(biāo)呈現(xiàn)形態(tài)和姿勢均無關(guān)的一組特征，如運(yùn)動(dòng)速度、目標(biāo)區(qū)域高寬比、運(yùn)動(dòng)區(qū)域光流矢量、基于幅值加權(quán)的運(yùn)動(dòng)主方向角和幅值加權(quán)方向角的熵等。通過對不同行為的特征進(jìn)行比較分析，驗(yàn)證了其具有有效的區(qū)分度。
　　3.針對行為分類，將所有特征作為一組特征矢量，采用SVM分類法實(shí)現(xiàn)多分類。并針對距離支持向量近的樣本采用KNN分類法，以增加分類的精度。即本文最