基于视频的电梯轿厢内乘客异常行为检测研究

发布时间：2020-07-10 15:08

【摘要】：近年来,随着高层建筑的增多,人们对电梯的依赖越来越强。然而电梯轿厢的空间狭小、封闭和不透明性,外界通常难以及时发现电梯轿厢中发生的抢劫、打斗、侵害等人为的异常行为。因此,需要采取有效的监控措施,尽可能避免电梯乘客异常行为的发生。传统的人工视频监控系统存在监控人员易疲劳疏忽、报警响应时间长、录像数据分析困难等弊端。将基于视频的图像分析处理技术应用于电梯轿厢内的监控场景,检测算法自动检测人为异常并进行报警,对及时发现和处理电梯异常行为具有重要意义。本文针对电梯轿厢环境的特殊性,分析了常见的电梯轿厢状态和乘客的行为状态,并对轿厢内乘客间的暴力行为和乘客扒门行为进行了研究。针对两种异常行为的发生前提和特点,分别提出了相应的检测算法。本文首先对轿厢场景的图像特征进行分析,判断电梯轿厢是否载客。并研究轿厢环境内不同前景提取算法的优势和不足,对传统的背景差法进行了改进,引进了背景更新法则,以适应动态背景变化,实现前景目标的有效提取。其次,对于乘客暴力行为检测,选择了能体现图像特征点运动信息的光流进行分析,同时计算角点处的光流来减小计算量,采用基于Shi-tomasi角点的金字塔L-K光流计算方法来判断单幅图像中是否存在可疑暴力行为,并给出以单幅图像可疑暴力行为作为基础的暴力行为判定方法。对于乘客扒门行为,采用基于部位关系场(PAFs)的人体二维姿态估计方法,识别出轿厢内乘客的肢体关节,并通过计算肢体间角度来判定是否存在扒门行为。最后,主要使用OpenCV进行算法编写和实验,并编写了基于Java web的异常行为检测展示平台同时对软件设计的细节实现做了简要介绍。最终在异常行为检测软件上进行测试,结果表明本文提出的方法可以有效地检测电梯轿厢内乘客的暴力行为和扒门行为并及时产生报警信号。
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TU976.3;TP391.41
【图文】：

使用数据,电梯

算法的设计有特别的要求。目前并没有较典型和通用的电梯轿厢内异常行为的数据集。所以本设计中采用的数据集是实验室人员对多个符合 1.3.1 前提说明的电梯进行认为模拟行为。图1-2是本文中所使用的视频数据集。本文在处理时，统一将图像缩放至320*240进行处理。

示意图,邻域,示意图,灰度值

东南大学硕士学位论文2.1.2 图像滤波2.1.2.1 均值滤波均值滤波是一种线性的局部平滑方法。滤波过程中使用一个窗口在图像上滑动以历整幅图像，同时用窗口内各像素灰度值的平均值来代替窗口中心位置的灰度值。对位置(i , j )处的像素，其灰度值为 f (i , j )，平滑后的灰度值为 g ( i , j )，用式(2-5)可得到滑的像素灰度值。( , )1( , ) ( , )x y Ag i j f x yM (2-式中，A表示以(i , j )为中心的邻域点的集合，M 是中像素点的总数。领域的选方式不同，像素点总数也不一样。4 邻域点和 8 邻域点的集合如图 2-1 所示。

膨胀运算

数学形态学起初应用于二值图像，后来扩展到灰度图像和彩色图像。数学形态基本运算有膨胀(dialate)、腐蚀(erode)、开运算(opening)和闭运算(closing)4 个[19]。2.1.3.1 膨胀膨胀的运算符记为，A B的含义是用结构元素B 来膨胀图像 A，定义为：A B = x (B x )A 图 2-2 给出了图像膨胀运算的说明，其中集合是(a) 中的阴影部分，结构元素图(b)中的阴影部分，标有“+”处为原点，图(c)的阴影部分是结构元素关于原点射。图(d)中的两种阴影部分合起来为集合A B，将图(c)中的映射沿着集合中依次平移，将映射平铺到原图像得到图(d),其中深黑色是膨胀操作后扩大的部分。(d) 可见，膨胀运算将图像区域扩大了。腐蚀是能够增强扩大比较暗的区域，可以用除亮噪点。

【参考文献】