梯度直方图和光流特征融合的视频图像异常行为检测算法

发布时间：2017-08-27 05:18

  本文关键词：梯度直方图和光流特征融合的视频图像异常行为检测算法

  更多相关文章： 异常行为检测 光流 梯度直方图 支持向量机

【摘要】：异常行为检测在智能监控系统领域中有广泛的应用前景。本文针对此应用领域,提出了一种结合光流特征和梯度直方图特征的视频异常行为检测及定位方法。首先利用视频背景提取算法进行前景提取和标注,实现对前景信息的分割。然后利用光流和梯度直方图特征提取算法对前景图像分别提取光流和梯度直方图特征,其次,使用支持向量机对数据进行训练和测试。最后结合光流幅度信息与前景标记信息对判断出来的异常行为进行定位。实验结果表明,与先前算法相比,本文算法可以检测出异常行为,并且能够对异常帧进行异常行为定位。
【作者单位】： 东南大学信息科学与工程学院;
【关键词】： 异常行为检测 光流 梯度直方图 支持向量机
【基金】：国家自然科学基金资助项目(61273226,61375028)
【分类号】：TP391.41
【正文快照】： 1引言近年来,随着国际上的恶性暴恐事件的发生以及社会生产力的提升,人们对社会安全保障有了迫切需求并且开始积极应对。视频监控系统是当今采用最多的一种安保设施。但是传统的监控系统效率低、耗费大量人力、监控实时性差,无法很好的为人们的生活保驾护航。为了更好的为人们

【相似文献】

中国期刊全文数据库 前10条

1 罗超宇;;基于视频序列的人体异常行为检测技术分析[J];电子制作;2013年18期

2 崔永艳;高阳;;基于多示例学习的异常行为检测方法[J];模式识别与人工智能;2011年06期

3 陆海先;郭立;桂树;谢锦生;;基于潜在主题的视频异常行为分析[J];通信技术;2012年07期

4 周维柏;李蓉;;基于轨迹特征分析的行人异常行为识别[J];电脑编程技巧与维护;2010年12期

5 李晓东;凌捷;;基于视频监控参考量的异常行为检测研究[J];计算机技术与发展;2012年09期

6 姬晓飞;吴倩倩;李一波;;改进时空特征的人体异常行为检测方法研究[J];沈阳航空航天大学学报;2013年05期

7 桑海峰;郭昊;徐超;;基于运动特征的人体异常行为识别[J];中国科技论文;2014年07期

8 王传旭;董晨晨;;基于时空特征点的群体异常行为检测算法[J];数据采集与处理;2012年04期

9 沈海燕;冯云梅;史宏;;基于信息融合的客运站人体异常行为识别研究[J];公路交通科技;2009年S1期

10 陈颖鸣;陈树越;张显亭;;智能视频监控中异常行为识别研究[J];微电子学与计算机;2010年11期

中国重要会议论文全文数据库 前1条

1 王碧英;孙健敏;;公仆型领导对员工行为的影响[A];第十二届全国心理学学术大会论文摘要集[C];2009年

中国博士学位论文全文数据库 前5条

1 林娜;小鼠异常行为的遗传基础研究[D];东北农业大学;2006年

2 Popoola Oluwatoyin Pius;拥挤环境下的异常行为检测研究[D];哈尔滨工程大学;2012年

3 张军;基于视频的运动人体异常行为分析识别研究[D];西安电子科技大学;2009年

4 刘皓;基于条件随机场模型的异常行为检测方法研究[D];中国科学技术大学;2014年

5 张毅;MANET环境中基于移动Agent的异常行为检测与防御[D];哈尔滨工程大学;2007年

中国硕士学位论文全文数据库 前10条

1 张雁冰;监控视频中人体异常行为检测研究[D];深圳大学;2015年

2 梁玉;基于ORB兴趣点的异常行为检测技术研究[D];郑州大学;2015年

3 陈岗;治安监控中基于计算机视觉的异常行为检测技术研究[D];上海交通大学;2015年

4 许龙;视频中的异常行为检测与分析研究[D];上海交通大学;2015年

5 崔永艳;基于多示例学习的异常行为检测方法研究[D];南京大学;2011年

6 张彦杰;人体异常行为检测技术的研究[D];天津大学;2012年

7 李晓东;基于监控视频的异常行为检测技术研究[D];广东工业大学;2012年

8 黎亚颖;基于室内场景的异常行为检测及系统实现[D];电子科技大学;2012年

9 李婧;电子监考异常行为的检测与研究[D];太原理工大学;2013年

10 胡栋;人体异常行为识别算法研究与实现[D];电子科技大学;2010年

，

本文编号：744570