面向刑侦视频的异常行为检测系统的设计与实现

发布时间：2021-01-27 11:01

　　在刑侦过程中通过基于视觉的行为分析与理解技术,及时地发现和识别潜在作案者的异常行为,对犯罪预警具有极为重要的现实意义。文章分析了视频监控系统在异常行为检测方面存在的问题,对异常行为检测系统的实现形式、系统架构以及异常行为检测方法进行研究。设计了视频监控异常行为检测系统的软硬件系统框架;研究了基于视频的行人检测方法与异常行为检测识别方法;完成了相关算法在上述系统上的实现与开发。系统测试表明,该系统可以准确、高效地检测异常行为,能够满足当前刑侦中视频监控产品的需要。 

【文章来源】：计算机时代. 2020,(09)

【文章页数】：6 页

【部分图文】：

系统功能分析

本系统由多路行人卡口IPC网络摄像机、前端Web服务器、后端算法服务器、大数据服务器等硬件以及运行在这些服务器平台上的算法及软件组成。总体的系统架构如图2所示。异常行为识别系统总体采用层次化、模块化设计，不同类型的服务器上部署有不同功能的软件服务。后台算法服务器提供可供调用的智能算法库，包括对异常行为进行检测的神经网络的训练和推理算法等，并保证算法运行的实时稳定；算法调度模块通过下层算法库提供的接口调用算法，并保证调度的效率和有序性；拉推流模块负责拉取边缘节点IPC的视频流，以及将处理完成的视频流推送至中心调度模块；中心调度模块负责数据的传输与调度工作，Web页面模块负责产品前端展示部分，此两者均可运行在Web服务器上。同时，在大数据服务器上加入分布式计算与分布式存储的内容，分布式计算模块负责对历史视频数据和检测结果做进一步的分析与挖掘，分布式存储模块负责行人视频数据库与历史信息数据库的维护。

对多路视频的支持要求异常行为检测系统有强大的计算能力以及良好的可扩展性，设计的原则是尽量保证各模块的低耦合。为此，该系统的计算服务器均以集群的形式来提供，在此基础上本文设计了对应的集群配置管理体系及流程。具体如图3所示。总的配置管理流程分为五个步骤：

【参考文献】：
期刊论文
[1]融合视频时空域运动信息的3D CNN人体行为识别[J]. 刘嘉莹,张孙杰.  电子测量技术. 2018(07)
[2]一种基于时空HOG与级联SVM的行人检测算法[J]. 徐志通,骆炎民,柳培忠,欧阳怡,赵亮.  海峡科学. 2016(07)
[3]自适应混合高斯背景模型的运动目标检测方法[J]. 黄鑫娟,周洁敏,刘伯扬.  计算机应用. 2010(01)

硕士论文
[1]基于扩展数据集的LSTM行为识别方法研究[D]. 刘景巍.辽宁大学 2018
[2]基于视频的异常行为检测系统的设计与实现[D]. 王娟.西南交通大学 2015
[3]监控视频中行人异常行为检测系统的设计与实现[D]. 尚进.东南大学 2015



本文编号：3002936