监控视频场景异常检测技术研究

发布时间：2017-05-17 16:38

  本文关键词：监控视频场景异常检测技术研究，由笔耕文化传播整理发布。

【摘要】：随着公共安全意识的逐渐提高,视频监控技术得到了广泛应用,其中以人群为目标的监控视频异常检测一直是研究的难点。机器学习方法逐渐被应用到监控视频的异常检测系统中,提高了系统的检测水平。监控视频场景异常检测作为一种公共安全和社会秩序管理技术,逐渐成为国内外研究的热点。本文通过分析现有监控视频中场景异常检测存在的问题,从基于视频特征信息分析和基于人群模型两个角度进行研究,并在此基础上初步探索了基于云平台的分布式视频场景异常检测框架。论文的主要工作如下:首先,采用基于群体特征的异常检测方法,直接对特征信息进行分析。为了提高异常检测的精确率,减少检测时间,提出了一种基于改进遗传算法的特征选择和SVM训练模型联合优化算法。该方法提取视频的特征数据,对特征数据降维,再运用SVM算法建立分类学习模型。特征选择和训练模型这两个过程互相依赖,采用SA改进GA算法,并使GA中的交叉遗传操作自适应化,同时对特征选择和SVM模型对参数进行优化。实验表明,该方法可以快速找到最优特征子集和SVM训练参数,提高了视频异常检测的精确度,同时缩短了分类检测的时间。其次,为了精确模拟人群的运动状态,研究了基于物理模型的人群异常检测方法,提出了基于粒子群优化的社会力模型描述人群信息。该方法提取群体光流运动特征,用光流表示SFM中行人的速度,再利用PSO改进传统SFM对中高密度人群的建模,将社会力矢量处理后进行SVM分类预测,检测视频中异常行为。通过粒子平流方法,使得粒子向相互作用力较小的区域移动,粒子的位置尽可能落在前景区域,模拟人群行为。实验表明,该方法能够有效地提高视频场景异常检测的查全率和查准率。最后,为了处理实际应用中海量监控视频数据的异常检测问题,探索了基于Hadoop平台的监控视频异常检测并行化框架。主要实现对视频数据Map/Reduce键值对数据类型、数据I/O类型和基于Mapreduce的SVM分类算法的设计。利用Hadoop平台的HDFS存储机制和Mapreduce编程模型对监控视频异常检测系统作了进一步的研究。实验表明,与单机节点比较,基于Hadoop集群的视频异常检测方法保证了精确度的同时,大幅度高降低了视频数据的检测时间。
【关键词】：监控视频 异常检测 SVM分类 GA PSO Mapreduce
【学位授予单位】：南京邮电大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN948.6
【目录】：

• 摘要4-5
• Abstract5-9
• 专用术语注释表9-10
• 第一章 绪论10-16
• 1.1 课题研究背景及意义10
• 1.2 国内外研究概况10-12
• 1.2.1 国内外研究现状10-12
• 1.2.2 主要问题12
• 1.3 论文研究内容与组织结构12-16
• 1.3.1 研究内容12-13
• 1.3.2 论文组织结构13-16
• 第二章 监控视频场景异常检测技术综述16-28
• 2.1 监控视频场景异常检测系统介绍16-19
• 2.1.1 视频场景异常定义及检测16-17
• 2.1.2 监控视频场景异常检测系统17-19
• 2.2 视频的特征提取和选择19-23
• 2.2.1 视频运动特征提取19-21
• 2.2.2 视频结构特征提取21
• 2.2.3 特征选择21-23
• 2.3 人群模型23-24
• 2.3.1 基于视觉特征的分析23
• 2.3.2 Agent模型23-24
• 2.3.3 基于动力学模型24
• 2.4 分类学习模型24-27
• 2.4.1 SVM分类模型24-26
• 2.4.2 SVM模型优化算法26-27
• 2.5 本章小结27-28
• 第三章 基于改进GA的特征选择和SVM模型联合优化28-46
• 3.1 算法基本原理28-35
• 3.1.1 算法改进的思路28-30
• 3.1.2 基本遗传算法30-32
• 3.1.3 改进的GA算法原理32-35
• 3.2 算法实现35-40
• 3.2.1 视频多特征提取36-38
• 3.2.2 基于改进GA的联合优化过程38-40
• 3.3 仿真实验40-44
• 3.3.1 系统仿真环境40-41
• 3.3.2 仿真结果与分析41-44
• 3.4 本章小结44-46
• 第四章 基于改进社会力模型的视频异常检测46-60
• 4.1 社会力模型及其优化46-49
• 4.1.1 传统社会力模型46-48
• 4.1.2 社会力模型优化现状48-49
• 4.2 基于改进社会力模型的异常检测49-54
• 4.2.1 光流运动估计49-50
• 4.2.2 粒子群算法基本原理50-52
• 4.2.3 基于PSO的改进社会力模型异常检测52-54
• 4.3 仿真实验54-59
• 4.3.1 系统仿真环境55
• 4.3.2 仿真结果与分析55-59
• 4.4 本章小结59-60
• 第五章 基于Hadoop的分布式监控视频场景异常检测框架60-79
• 5.1 Hadoop平台简介60-64
• 5.1.1 HDFS文件存储系统61-62
• 5.1.2 MapReduce编程模型62-64
• 5.2 基于Hadoop的分布式视频异常检测64-71
• 5.2.1 视频数据预处理65-67
• 5.2.2 基于mapreduce的SVM设计67-71
• 5.3 仿真实验71-76
• 5.3.1 搭建Hadoop集群71-73
• 5.3.2 仿真结果与分析73-76
• 5.4 本章小结76-79
• 第六章 总结与展望79-81
• 6.1 论文工作总结79-80
• 6.2 未来工作展望80-81
• 参考文献81-84
• 附录 攻读硕士学位期间撰写的论文84-85
• 致谢85

【相似文献】

中国期刊全文数据库 前10条

1 陈姣姣;张晓如;周永梅;;基于本体的监控视频语义事件探测[J];计算机应用研究;2012年01期

2 代科学;李国辉;武德峰;;聚类挖掘在监控视频中的应用[J];测控技术;2006年10期

3 汪贤锋;;基于内容的二次聚类监控视频摘要生成分析[J];内蒙古财经大学学报;2013年05期

4 周清华;周俊;林必毅;;监控视频流传输的应用研究[J];智能建筑与城市信息;2009年08期

5 姚彬;史萍;葛菲;谢志扬;;监控视频的摘要提取方法研究[J];电视技术;2010年04期

6 周玉兰;;电子监控视频使用中的新闻伦理三问[J];视听纵横;2014年03期

7 柳伟;代科学;卢鑫;郭森;;监控视频聚簇模式挖掘及其应用[J];数据采集与处理;2008年04期

8 辛丽丽;;鹤矿集团远程安全监控视频集成系统[J];煤炭技术;2008年05期

9 谢俊宏;;浅谈监控视频干扰问题的解决[J];海峡科学;2008年08期

10 朱丽英;梁辰;张鸿洲;;基于运动目标的监控视频检索方法[J];计算机应用与软件;2011年12期

中国重要会议论文全文数据库 前6条

1 李国辉;代科学;;一种基于运动量的监控视频事件挖掘方法[A];第一届建立和谐人机环境联合学术会议（HHME2005）论文集[C];2005年

2 高美容;于明;;一种监控视频分段的方法[A];2007北京地区高校研究生学术交流会通信与信息技术会议论文集（上册）[C];2008年

3 欧温暖;田绪红;朱同林;;基于课室监控视频的课堂行为计数分析[A];第五届全国几何设计与计算学术会议论文集[C];2011年

4 甘金明;;基于DSP的路灯监控视频捕捉器设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年

5 李博;李国辉;涂丹;;非重叠监控视频中行人目标的检测与匹配[A];第七届和谐人机环境联合学术会议（HHME2011)论文集【poster】[C];2011年

6 吴秀敏;唐志伟;张辉;;基于火灾监控视频的人员疏散行为统计分析[A];2013中国消防协会科学技术年会论文集[C];2013年

中国重要报纸全文数据库 前10条

1 和静钧;擅播公共监控视频并非都违法[N];深圳特区报;2013年

2 郭海滨　罗燕清 梁明翥;八一总场治安监控视频系统显神威[N];海南农垦报;2009年

3 王东亮;应急指挥可随时调用全市监控视频[N];北京日报;2007年

4 嘉兴日报评论部 晏扬;监控视频：反腐利器如何出鞘[N];人民法院报;2013年

5 记者 洪奕宜　通讯员 粤公宣 麦媛玲;12种场所强制安装监控视频[N];南方日报;2009年

6 杨涛;禁止擅传公共场所监控视频是良法[N];深圳商报;2013年

7 记者 曹俊杰;监视器下的真实[N];第一财经日报;2011年

8 本报记者 徐隽 王汉超 申琳;禁看监控，无妨监督[N];人民日报;2013年

9 记者 李亦中　通讯员 潘峰;指挥调度集成化全国领先[N];长江日报;2011年

10 记者 李亚亚　刘冉冉 张冰芯;装摄像头能否防虐童？[N];广州日报;2012年

中国博士学位论文全文数据库 前2条

1 聂婕;人体生理活动监控视频中的关键事件检测[D];中国海洋大学;2011年

2 王亦民;面向监控视频的行人重识别技术研究[D];武汉大学;2014年

中国硕士学位论文全文数据库 前10条

1 刘瑾;监控视频裁剪方法研究[D];吉林大学;2010年

2 谬丽姬;基于颜色块上下身区域的监控视频人物分类研究[D];南京大学;2015年

3 周小龙;监控视频摘要生成技术的研究与实现[D];重庆大学;2010年

4 肖金伟;监控视频中人物实例检索关键技术研究[D];南京大学;2012年

5 陈南款;基于分立目标的监控视频结构化方法研究[D];深圳大学;2015年

6 李招昕;基于流式计算的大规模监控视频分析关键技术研究[D];上海大学;2015年

7 胡宪洋;监控视频中特定目标的检测与辨识方法研究[D];电子科技大学;2015年

8 赵薇;监控视频事件描述与识别技术研究[D];国防科学技术大学;2006年

9 马玲;基于本体的监控视频描述与检索研究及流媒体发布平台开发[D];上海交通大学;2010年

10 陈姣姣;基于本体的监控视频事件探测研究[D];江苏科技大学;2012年

  本文关键词：监控视频场景异常检测技术研究，，由笔耕文化传播整理发布。

本文编号：373920