基于稀疏组合学习的监控视频异常检测技术研究
发布时间：2021-06-02 17:46
随着人们安全意识和对公共安全要求的不断提高,在公共场所安装监控摄像头变得越来越普遍,与此同时,视频数据的数量也呈指数级增长。然而在监控视频记录的数据中,只有少部分记录了异常事件的图像是人们所关注的,其余大部分数据都被视为冗余数据。因此在获得大量监控视频后,如何从中获取有效信息成为一个亟待解决的需求。由于监控摄像头记录的是海量连续的视频帧,因此人工检查时需要耗费大量时间逐帧查看视频,并且人工检查存在效率低和可靠性不稳定的问题,而长时间的工作也会使工作人员注意力涣散,进一步地降低工作效率和检测准确率。为了更好地检查视频,监控视频异常检测技术应运而生,与人工检查相比,监控视频异常检测技术可以使用计算机程序自动查找、标记出视频中异常事件发生的区域,并且可以保证检测的可靠性。在监控视频异常检测中,稀疏编码是一种常用且有效的算法,稀疏组合学习在稀疏编码原理的基础上,在训练时学习多个稀疏组合,在检测时使用固定的稀疏组合重构数据,这种方式在保证检测正确率的基础上解决了使用稀疏编码重构数据时寻找合适的基向量过于耗时的问题,为实时异常检测提供了基础。本文基于稀疏组合学习算法和监控视频中光流幅值的分布特点对...
【文章来源】：北京工业大学北京市 211工程院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
LBP提取过程
转换为灰度图；度图中所有像素点水平方向和垂直方向的梯度，梯度方向 ( x , y)，像素 的梯度计算的公式化描述, 1,, , 12 2,1( , )( , ) tanx x y x yy x y x yx i yyxI G GI G GM x y I IIx yI 图像中的坐标为( x , y )；x ,yG 是像素 的灰度值；直方向的梯度。~ 360°分为 O 个区间，将图像分为若干个大小为叠；在每个 cell 内根据梯度方向将 个梯度值分到每个 cell 的方向梯度直方图；
22+yx xV Vx 是xV 的拉普拉斯算子，2 2+y yV Vx y 是yV 的拉普拉斯算子，在求解时需要满足21nii 最小。由公式(2-7)和(2-10)，可将待求结果转换为2 2min( ( ) )x x y y t I V I V I dxdy (2-1其中， 是平滑权重参数，表示速度平滑项所占权重，当图像中有较多噪声时需要提高 的值，使计算结果更多地依赖速度平滑项。公式(2-11)经过高斯-赛德尔方法求解，经过 n 1次迭代可得到n1xV 和n1yV ： 2 21 2y2 21 2y( + )( + )n n n nx x x x x y y t xn n n ny x y x x y y t xV V I I V I V I I IV V I I V I V I I I (2-12如图 2-3 所示，左侧为相邻的两帧图像，右侧为光流场计算结果：
【参考文献】：
期刊论文
[1]轨道交通车站闸机智能识别研究[J]. 茅飞,孔慧慧,李宏胜,康玉芳,朱伟. 城市轨道交通研究. 2017(12)
[2]移动背景下运动目标检测与跟踪技术研究[J]. 孙斌,黄神治. 电子测量与仪器学报. 2011(03)
[3]基于HOG的行人快速检测[J]. 叶林,陈岳林,林景亮. 计算机工程. 2010(22)
[4]基于全方位视觉传感器的车辆违章检测系统的设计[J]. 汤一平,庞成俊. 计算机测量与控制. 2009(06)
硕士论文
[1]基于HOG特征的人脸识别系统研究[D]. 慕春雷.电子科技大学 2013
本文编号：3210472
【文章来源】：北京工业大学北京市 211工程院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
LBP提取过程
转换为灰度图；度图中所有像素点水平方向和垂直方向的梯度，梯度方向 ( x , y)，像素 的梯度计算的公式化描述, 1,, , 12 2,1( , )( , ) tanx x y x yy x y x yx i yyxI G GI G GM x y I IIx yI 图像中的坐标为( x , y )；x ,yG 是像素 的灰度值；直方向的梯度。~ 360°分为 O 个区间，将图像分为若干个大小为叠；在每个 cell 内根据梯度方向将 个梯度值分到每个 cell 的方向梯度直方图；
22+yx xV Vx 是xV 的拉普拉斯算子，2 2+y yV Vx y 是yV 的拉普拉斯算子，在求解时需要满足21nii 最小。由公式(2-7)和(2-10)，可将待求结果转换为2 2min( ( ) )x x y y t I V I V I dxdy (2-1其中， 是平滑权重参数，表示速度平滑项所占权重，当图像中有较多噪声时需要提高 的值，使计算结果更多地依赖速度平滑项。公式(2-11)经过高斯-赛德尔方法求解，经过 n 1次迭代可得到n1xV 和n1yV ： 2 21 2y2 21 2y( + )( + )n n n nx x x x x y y t xn n n ny x y x x y y t xV V I I V I V I I IV V I I V I V I I I (2-12如图 2-3 所示，左侧为相邻的两帧图像，右侧为光流场计算结果：
【参考文献】：
期刊论文
[1]轨道交通车站闸机智能识别研究[J]. 茅飞,孔慧慧,李宏胜,康玉芳,朱伟. 城市轨道交通研究. 2017(12)
[2]移动背景下运动目标检测与跟踪技术研究[J]. 孙斌,黄神治. 电子测量与仪器学报. 2011(03)
[3]基于HOG的行人快速检测[J]. 叶林,陈岳林,林景亮. 计算机工程. 2010(22)
[4]基于全方位视觉传感器的车辆违章检测系统的设计[J]. 汤一平,庞成俊. 计算机测量与控制. 2009(06)
硕士论文
[1]基于HOG特征的人脸识别系统研究[D]. 慕春雷.电子科技大学 2013
本文编号：3210472
本文链接：https://www.wllwen.com/kejilunwen/wltx/3210472.html
