面向智能视频监控系统的运动目标检测与异常行为分析

发布时间：2017-06-03 21:16

  本文关键词：面向智能视频监控系统的运动目标检测与异常行为分析，由笔耕文化传播整理发布。

【摘要】：智能视频监控(IVS)是计算机视觉中近年来倍受关注的一个应用领域,它利用机器视觉和图像处理相关技术实现对视频信号的处理、分析和理解,进而达到对监控系统智能控制的目的,有效解决传统监控系统因数据处理量大,响应时间长以及人类自身固有弱点等缺陷导致的监控效率低下和繁琐工作量等问题。本次论文研究的开展主要针对智能视频监控方面的应用需求,着力研究视频序列中的运动目标的提取和异常行为分析,着手完成固定场景中运动目标的检测与跟踪,并且在充分利用检测及跟踪得到的运动目标信息的基础上,实现对视频监控范围内目标行为的主动分析。本文完成的研究工作及主要贡献如下:目标检测研究方面,针对传统的基于混合高斯建模进行前景检测的缺陷,本文做了算法改进,改进算法将高斯建模与帧间差分两种方法相结合实现目标检测,目标提取更加完整。此外,在现有算法基础上,本文提出了一种基于差分背景融合建模的运动目标检测算法,该算法通过连续视频帧图像间的差分运算获得背景区域像素的逐步填充融合建立背景图像,并构建自适应背景更新策略达到背景模型的实时更新,有效实现稳定背景模型的建立,并完成完整前景的检测,实验结果证明,本文算法稳定性高,前景检测效果好。目标跟踪研究方面,针对复杂背景下目标跟踪的技术难点,本文提出了一种基于图像感知哈希技术的运动目标跟踪算法,算法通过图像感知哈希技术构建目标哈希值进行模板匹配,采用搜索跟踪和匹配跟踪两种策略相配合准确获取运动目标在帧图像序列中的位置和尺度信息,利用新的图像信息更新目标模板,实现运动目标的准确、持续跟踪以及模板尺寸的自适应修正,有效解决传统匹配算法在跟踪应用中时间复杂度高,准确性低,对噪声、遮挡、目标尺度变化等抗性不足的问题。异常行为分析方面,根据异常行为难定义、易发现的特点,本文从异常行为的宏观状态出发采用基于目标团块和轨迹分析的方法判别异常行为,针对不同种类异常行为设定不同的判别规则,当规则被触犯,则触发报警。本文具体完成包括:监控ROI设定、运动人体标识、目标特征提取等几个方面的算法实现,并基于以上过程实现了四种异常的判定,这其中,运动目标采用最小外接矩形框标识,提取的特征包括目标面积、质心坐标、运动轨迹等,实验结果证明,本文算法稳定性好,能有效检测异常的发生,并及时触发报警提示。
【关键词】：智能视频监控 目标检测 目标跟踪 异常行为分析
【学位授予单位】：中国计量学院
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.41;TN948.6
【目录】：

• 致谢5-6
• 摘要6-8
• Abstract8-15
• 1 绪论15-21
• 1.1 智能视频监控简介15
• 1.2 选题的背景及意义15-17
• 1.3 智能视频监控国内外研究现状17-18
• 1.4 智能视频监控关键技术分析18-20
• 1.5 本文研究内容及章节安排20-21
• 2 运动图像序列处理技术基础21-30
• 2.1 基于OpenCV的图像处理21-24
• 2.1.1 OpenCV背景知识21-22
• 2.1.2 OpenCV在视频分析中的应用22
• 2.1.3 OpenCV在VC2010 Express下的配置22-24
• 2.2 图像预处理相关技术基础24-27
• 2.2.1 图像去噪24-26
• 2.2.2 图像灰度化26
• 2.2.3 离散余弦变换26-27
• 2.3 数学形态学基础27-29
• 2.3.1 数学形态学简介27-28
• 2.3.2 腐蚀、膨胀运算28-29
• 2.3.3 开运算、闭运算29
• 2.4 本章小结29-30
• 3 视频图像序列中的运动目标检测算法研究30-47
• 3.1 运动目标检测主要算法及原理30-33
• 3.1.1 光流法30-31
• 3.1.2 帧间差分法31-32
• 3.1.3 背景减除法32-33
• 3.2 改进的基于混合高斯背景建模的运动目标检测算法33-37
• 3.2.1 混合高斯背景建模原理33-35
• 3.2.2 传统的基于混合高斯建模进行前景检测的缺陷35
• 3.2.3 改进的基于混合高斯背景建模的运动目标检测算法35-36
• 3.2.4 实验效果与分析36-37
• 3.3 基于差分背景融合建模的运动目标检测算法37-45
• 3.3.1 算法基本思想37-38
• 3.3.2 背景模型的建立38-39
• 3.3.3 自适应背景更新策略39-41
• 3.3.4 实验效果与分析41-45
• 3.4 本章小结45-47
• 4 基于图像感知哈希技术的运动目标跟踪算法47-59
• 4.1 视频监控中的运动目标跟踪算法介绍47-49
• 4.2 复杂场景中的运动目标跟踪49
• 4.3 基于图像感知哈希技术的运动目标跟踪算法49-54
• 4.3.1 图像感知哈希技术50-51
• 4.3.2 目标模板哈希值的生成51
• 4.3.3 哈希值的匹配51-52
• 4.3.4 目标模板的自适应更新52-54
• 4.3.4.1 目标跟踪搜索策略52-53
• 4.3.4.2 模板评价函数53
• 4.3.4.3 自适应模板更新准则53-54
• 4.4 跟踪过程中的问题解决54-55
• 4.4.1 目标的区域搜索及匹配54
• 4.4.2 区域目标新进与出离54-55
• 4.4.3 目标尺度变化及遮挡55
• 4.5 实现效果与分析55-58
• 4.6 本章小结58-59
• 5 智能视频监控系统中的异常行为分析59-73
• 5.1 人体异常行为判别常用算法59-60
• 5.2 区域划定与人体特征提取60-64
• 5.2.1 检测区域设定60-61
• 5.2.2 运动人体标识61-62
• 5.2.3 目标运动特征提取62-64
• 5.3 基于目标团块和运动轨迹的行为判定64-68
• 5.3.1 目标团块分析法64
• 5.3.2 运动目标轨迹分析法64-66
• 5.3.3 异常行为规则设定66-68
• 5.4 常见异常检测实验效果及分析68-72
• 5.4.1 区域入侵检测68-69
• 5.4.2 人体跌倒检测69-70
• 5.4.3 遗留物检测70-71
• 5.4.4 区域徘徊检测71-72
• 5.5 本章小结72-73
• 6 结论与展望73-76
• 6.1 本文总结73-74
• 6.2 未来研究展望74-76
• 参考文献76-81
• 附录A 运动目标检测部分核心代码81-83
• 附录B 运动目标跟踪部分核心代码83-88
• 附录C 异常行为分析部分核心代码88-90
• 作者简历90

【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：面向智能视频监控系统的运动目标检测与异常行为分析，，由笔耕文化传播整理发布。

本文编号：419245