视频监控中的人群异常行为检测研究

发布时间：2021-09-02 14:03

　　公共安全问题一直都是社会上关注的焦点。近些年来,监控设备技术的发展使得监控设备早已遍布每个角落。而作为计算机视觉领域中的研究热点,智能视频检测技术也随着监控设备普及的驱动而飞速的发展。而监控视频中的异常行为检测则是智能监控技术中非常重要的研究方向,异常行为检测主要是通过计算机视觉相关检测算法自动的对监控视频中可能出现的异常行为进行检测。其难点主要在于监控视频场景的复杂多边形,以及异常行为检测技术实际应用所要求的准确性、实时性和稳定性。由于卷积神经网络在计算机视觉当中的广泛应用,本文主要研究了基于卷积神经网络的异常检测算法,设计了基于卷积神经网络的两种不同的异常行为检测算法分别应用于不同的场景。其中,针对于监控场景中比较常见的暴力行为检测以及特定监控场景中的一些特定的异常行为检测是本文的主要研究重点。本文的主要研究内容为:（1）研究了传统的视频场景中的动态信息的获取方法。主要包括帧间差分法,背景减除法以及光流法,不同的方法具有各自的优缺点以及适用的场景,本文也分析了不同方法的优劣,并在后续的异常检测任务上选择了合适的动态特征提取算法进行特征提取。（2）研究了卷积神经网络模型的发展历程以及... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：78 页

【学位级别】：硕士

【部分图文】：

异常行为检测应用场景

图 1-2 本文技术路线分，主要介绍了监控视频下的异常行外研究现状，最后总体简要的介绍了了异常行为检测的一些研究理论基础重要的特征，其次简要的介绍了异常流的异常行为检测网络模型。监控场景中出现的暴力行为，设计了的结构用于暴力行为检测。为了能够是原始视频帧和相邻帧的帧差，分别了 SVM 作为分类器，而且在本章中运动信息相结合，有效的提高了检监控视频复杂场景下的人群异常行为

图 2-1 帧间差分法示意图 所示，假设监控视频序列中第t帧和第 t + 1帧的图像分别对应像素点的灰度值分别为 ( , )tD x y 和1( , )tD x y+。将两度值进行差分操作，再对差分之后的灰度值取绝对值差分图像td ，如公式(2-1)所示：1( , ) ( , ) ( , )t t td x y D x y D x y+ 差分法能够有效的提取到视频当中的运动信息，其优比较简单，计算量很小且对监控场景中的光线等背景的够较好的适应各种监控环境。但是帧间差分法也有不足间差分只能够得到监控视频场景中的运动物体的轮廓运动主体；其次，在进行帧差差分延迟事件的选择时，结果有较大的区别。当选择较大的延迟时间时，如果场


本文编号：3379144