基于行为差分的视频异常检测方法研究

发布时间：2017-05-18 03:13

  本文关键词：基于行为差分的视频异常检测方法研究，由笔耕文化传播整理发布。

【摘要】：随着安全问题受到社会的日益关注,智能视频监控在校园、银行、交通要道、停车场等公共场所具有良好的应用前景,是计算机视觉领域的热门研究方向之一。异常行为检测则是智能视频监控系统的重要任务。尽管相关研究者已经提出了多种提高异常行为检测性能的算法,但是其中往往涉及大量的学习过程和复杂的数学计算,难以适应复杂的监控场景、满足智能视频监控系统对实时性的要求。本文利用可快速获取的运动目标生成行为模型,通过差分计算,以正常的行为模型对监控视频中异常行为进行估计。该方法既避免了传统的轨迹法需要在复杂场景下实现目标跟踪的问题,同时简化了目标特征提取和建模过程,提高了检测效率。本文的主要研究内容如下：(1)研究了运动目标检测的经典算法,对传统的高斯背景建模算法进行了改进,以适应复杂的背景运动,提高背景模型收敛速率；(2)通过计算目标运动标签并结合目标描述符为视频中的运动目标建立了描述其动态统计特性的行为模型,避免了传统方法需要对目标进行跟踪、特征提取、分割或最优化迭代等复杂的多阶段处理过程,简化了计算复杂度；(3)利用区间估计理论获得行为差分的阈值,将异常行为检测问题转化为训练视频和观测视频中行为图的比较问题,提高了检测效率(4)在改进的异常行为检测算法的基础上,将监控视频中异常的部分生产一段视频摘要,标注异常行为发生的时间和位置。
【关键词】：异常行为检测 行为差分 视频摘要 区间估计 视频监控
【学位授予单位】：合肥工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN919.81
【目录】：

• 致谢7-8
• 摘要8-9
• ABSTRACT9-13
• 第一章 绪论13-18
• 1.1 研究背景与意义13-14
• 1.2 研究领域与发展现状14-16
• 1.2.1 跟踪轨迹法14-15
• 1.2.2 相关性分析法15
• 1.2.3 动态背景法15-16
• 1.3 主要内容与章节安排16-18
• 第二章 运动目标检测技术18-35
• 2.1 运动目标检测常见方法18-22
• 2.1.1 光流法18-20
• 2.1.2 帧间差分法20-21
• 2.1.3 背景差分法21-22
• 2.2 背景建模方法22-27
• 2.2.1 均值法背景模型23
• 2.2.2 中值法背景模型23-24
• 2.2.3 码本法背景模型24
• 2.2.4 高斯背景模型24-26
• 2.2.5 核密度估计背景模型26-27
• 2.3 基于改进混合高斯模型的目标检测算法27-32
• 2.3.1 自适应混合高斯模型27-29
• 2.3.2 GMM算法参数分析29-30
• 2.3.3 基于GMM改进算法的目标检测30-32
• 2.4 实验结果与分析32-34
• 2.5 本章小结34-35
• 第三章 监控视频异常行为检测35-47
• 3.1 行为信号及其描述方法35-37
• 3.1.1 行为空间35
• 3.1.2 运动标签35-36
• 3.1.3 标描述符36-37
• 3.2 事件模型37-40
• 3.2.1 隐马尔科夫模型37-39
• 3.2.2 行为动态模型39-40
• 3.3 异常检测：行为差分40-41
• 3.4 基于改进行为差分的异常检测方法41-43
• 3.4.1 背景行为动态图估计41-42
• 3.4.2 异常行为检测42-43
• 3.5 实验结果与分析43-46
• 3.5.1 数据集与参数设置43
• 3.5.2 实验结果与分析43-46
• 3.6 本章小结46-47
• 第四章 基于异常行为检测的监控视频摘要系统47-57
• 4.1 视频摘要方法概述47-50
• 4.1.1 研究现状47-48
• 4.1.2 视频摘要的主要形式48
• 4.1.3 视频摘要的生成方法48-50
• 4.2 运动轨迹获取50-52
• 4.2.1 感兴趣区域提取50
• 4.2.2 运动目标跟踪和轨迹提取50-52
• 4.3 生成摘要52-56
• 4.3.1 轨迹优化52-54
• 4.3.2 目标融合54-56
• 4.4 本章小结56-57
• 第五章 总结与展望57-59
• 5.1 全文总结57-58
• 5.2 工作展望58-59
• 参考文献59-64
• 攻读硕士学位期间的学术活动及成果情况64-65

【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 姚源;视频中异常行为发现方法研究及实现[D];电子科技大学;2014年

6 王朝新;基于视频的行人异常行为检测技术的应用研究[D];电子科技大学;2014年

7 张海峰;阳煤集团视频异常监控系统设计与实现[D];电子科技大学;2014年

8 张丹;视频监控系统下航站楼旅客异常行为检测方法研究[D];南京航空航天大学;2014年

9 梁琛华;视频监控中的人体异常行为识别[D];国防科学技术大学;2013年

10 朱明凌;面向智能视频监控系统的运动目标检测与异常行为分析[D];中国计量学院;2015年

  本文关键词：基于行为差分的视频异常检测方法研究，由笔耕文化传播整理发布。

，

本文编号：375033