监控场景下基于视频目标分析的异常检测算法研究

发布时间：2022-07-13 17:49

　　近年来随着经济、科技的不断发展,人们对于安全防范的需求不断增加,我国也不断推行各项政策来推动相关智能监控产业的发展。作为智能监控的核心部分,异常检测在公共安全领域有着广泛的应用空间。异常检测是指通过设计算法使得计算机能够自动的检测出监控视频中人物的异常行为。开展监控场景下基于视频目标分析的异常检测算法研究,在学术研究和实际应用中具有重要的研究意义和价值。在现实监控场景中,异常检测算法仍然有诸多问题需要克服,主要表现为:（1）现实场景中大多数异常行为和运动关系密切。而现有的运动特征往往过多挖掘光流方向信息,忽视了光流幅度信息,无法充分提取有效的运动信息;（2）不同的场景对异常行为的定义不同,.而现有的异常检测算法多数基于非正常即异常的原则通过对正常视频建模来检测异常行为,不能给出判定成异常的原因。本课题的研究内容是监控场景下基于视频目标分析的异常检测算法研究,重点解决现有异常检测算法存在的这些问题,提升异常检测算法的性能。本课题主要研究内容和创新点如下:1.提出一种基于HMOF特征和跟踪的异常检测算法。考虑传统运动特征对运动信息表现不足的缺点,本文提出一种新的HMOF运动特征。相比现有的... 

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 异常行为的定义
        1.2.2 基于传统方法的异常检测算法
        1.2.3 基于深度学习的异常检测算法
    1.3 本文研究内容
    1.4 论文组织结构
第2章 相关基础理论
    2.1 全局和局部异常
    2.2 光流
    2.3 常见运动特征提取
        2.3.1 HOF特征
        2.3.2 MHOF特征
    2.4 异常检测数据集和性能评价指标
        2.4.1 性能评价指标
        2.4.2 UMN数据集
        2.4.3 UCSD数据集
    2.5 本章小结
第3章 基于HMOF特征和跟踪的异常检测算法
    3.1 引言
    3.2 方法流程
        3.2.1 前景区域提取
        3.2.2 HMOF特征提取
        3.2.3 特征重构
        3.2.4 异常分类
        3.2.5 跟踪模块
    3.3 实验及结果分析
        3.3.1 UMN数据集性能分析
        3.3.2 UCSD数据集性能分析
        3.3.3 运行速度分析
    3.4 本章小结
第4章 基于多元融合的异常检测算法
    4.1 引言
    4.2 方法流程
        4.2.1 目标检测
        4.2.2 动作识别
        4.2.3 运动特征
        4.2.4 融合
    4.3 实验结果分析
        4.3.1 UMN数据集性能分析
        4.3.2 UCSD数据集性能分析
        4.3.3 运行速度分析
    4.4 本章小结
第5章 总结与展望
    5.1 论文总结
    5.2 未来展望
参考文献
致谢
在读期间发表的学术论文与取得的研究成果



本文编号：3660491