智能视频监控系统中的人群异常行为检测算法研究
发布时间：2021-05-23 20:00
近年来,随着经济的发展,在一些公共场合,人群聚集现象越来越频繁,人群密度过高时容易发生一些不可控的群体性事件,因此,对人群进行监控,及时发现人群密度过高和其他异常事件是非常关键的。本文针对人群密度异常和人群行为异常两方面进行研究,主要研究工作如下:1)一般的人群密度估计算法会受到人群遮挡的影响,很难对不同密度等级的人群进行准确估计。本文采用了基于前景像素的人数估计算法,首先,对场景进行背景建模,并对输入图像进行区域分割以减少透视效应的影响,再计算以人群为前景的像素大小,针对不同位置的前景使用不同的比例系数,并针对遮挡的问题,提出一种新的遮挡系数的计算方法。而后,针对纹理特征检测密度会受到背景的影响,采用了一种只检测前景图像的纹理特征的人群密度估计算法。2)对人群异常行为检测难度较大,因为异常本身很复杂而且异常种类很多,很难检测出所有的异常种类。因此本文以包含正常人群的样本为训练集,使用字典学习得到一个合适的字典。并使用字典对待测样本进行稀疏表示,根据稀疏重建能量值或者残差的大小对待测样本进行判定。异常样本的重建能量值和残差都较高,正常样本的值较低。由于一般的检测方法字典是固定的,难以满...
【文章来源】：长春理工大学吉林省
【文章页数】：65 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 选题背景及研究的目的和意义
1.2 国内外研究现状
1.2.1 人群密度估计研究现状
1.2.2 人群异常检测研究现状
1.3 本文研究内容与结构
第2章 相关技术概述
2.1 前景提取算法
2.1.1 帧间差分法
2.1.2 混合高斯背景模型
2.1.3 ViBe算法
2.2 稀疏表示理论
2.2.1 稀疏模型
2.2.2 稀疏分解算法
2.3 字典学习
2.3.1 最佳方向法
2.3.2 K-SVD算法
2.4 稀疏表示分类
2.5 本章小结
第3章 人群密度检测
3.1 基于像素特征的人群计数
3.1.1 区域划分
3.1.2 计算遮挡系数
3.1.3 基于像素特征方法的实验与结果
3.2 基于纹理特征的密度估计
3.2.1 图像纹理特征
3.2.2 支持向量机
3.2.3 结合前景图的纹理分析
3.2.4 纹理分析方法实验与结果
3.3 本章小结
第4章 基于稀疏表示的人群异常行为检测
4.1 人群特征提取
4.1.1 特征点匹配法
4.1.2 L-K光流法
4.2 多尺度光流直方图
4.3 特征字典学习
4.3.1 正交匹配追踪
4.3.2 构建加权OMP
4.4 异常判断
4.5 字典在线更新
4.6 实验仿真与结果分析
4.7 本章小结
第5章 结论
参考文献
附录A 攻读硕士学位期间发表的论文和专利
致谢
【参考文献】：
期刊论文
[1]SAR图像纹理特征相关变化检测的震害建筑物提取[J]. 李强,张景发,龚丽霞,薛腾飞,蒋洪波. 遥感学报. 2018(S1)
[2]人群密度估计综述[J]. 江中华. 轻工科技. 2018(10)
[3]融合直方图高阶统计特征与GLCM特征的室内红外图像人群密度分类[J]. 李熙莹,黄秋筱. 红外技术. 2017(07)
[4]基于深度卷积神经网络的人群密度估计方法[J]. 谭智勇,袁家政,刘宏哲,李青. 计算机应用与软件. 2017(07)
[5]一种基于心理学模型的人群踩踏情景仿真方法[J]. 刘婷婷,刘箴,柴艳杰,刘翠娟,陈佳鑫. 系统仿真学报. 2016(10)
[6]基于支持向量机的遥感图像分类研究综述[J]. 王振武,孙佳骏,于忠义,卜异亚. 计算机科学. 2016(09)
[7]基于背景差分和光流法的运动目标检测与跟踪[J]. 刘荣,金国伟. 现代制造技术与装备. 2015(02)
[8]基于分层光流的煤矿井下运动目标跟踪算法[J]. 程德强,刘洁,郭政. 工矿自动化. 2015(03)
[9]图像稀疏表示及其在图像处理中的应用[J]. 孙君顶,赵慧慧. 红外技术. 2014(07)
[10]基于角点检测与SIFT算法的快速匹配方法[J]. 陈长伟. 计算机应用与软件. 2014(07)
博士论文
[1]基于稀疏分解的说话人识别技术研究[D]. 徐珑婷.南京邮电大学 2017
硕士论文
[1]基于稀疏表示和字典学习的雷达目标识别方法研究[D]. 胡允侃.南京航空航天大学 2018
[2]基于稀疏表示的图像分类技术研究[D]. 赵慧慧.河南理工大学 2015
[3]基于视频的目标跟踪及人群密度估计方法研究[D]. 郄志安.上海交通大学 2015
[4]面向视频监控应用的人群分析研究[D]. 卢晓威.上海交通大学 2015
本文编号：3202894
【文章来源】：长春理工大学吉林省
【文章页数】：65 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 选题背景及研究的目的和意义
1.2 国内外研究现状
1.2.1 人群密度估计研究现状
1.2.2 人群异常检测研究现状
1.3 本文研究内容与结构
第2章 相关技术概述
2.1 前景提取算法
2.1.1 帧间差分法
2.1.2 混合高斯背景模型
2.1.3 ViBe算法
2.2 稀疏表示理论
2.2.1 稀疏模型
2.2.2 稀疏分解算法
2.3 字典学习
2.3.1 最佳方向法
2.3.2 K-SVD算法
2.4 稀疏表示分类
2.5 本章小结
第3章 人群密度检测
3.1 基于像素特征的人群计数
3.1.1 区域划分
3.1.2 计算遮挡系数
3.1.3 基于像素特征方法的实验与结果
3.2 基于纹理特征的密度估计
3.2.1 图像纹理特征
3.2.2 支持向量机
3.2.3 结合前景图的纹理分析
3.2.4 纹理分析方法实验与结果
3.3 本章小结
第4章 基于稀疏表示的人群异常行为检测
4.1 人群特征提取
4.1.1 特征点匹配法
4.1.2 L-K光流法
4.2 多尺度光流直方图
4.3 特征字典学习
4.3.1 正交匹配追踪
4.3.2 构建加权OMP
4.4 异常判断
4.5 字典在线更新
4.6 实验仿真与结果分析
4.7 本章小结
第5章 结论
参考文献
附录A 攻读硕士学位期间发表的论文和专利
致谢
【参考文献】：
期刊论文
[1]SAR图像纹理特征相关变化检测的震害建筑物提取[J]. 李强,张景发,龚丽霞,薛腾飞,蒋洪波. 遥感学报. 2018(S1)
[2]人群密度估计综述[J]. 江中华. 轻工科技. 2018(10)
[3]融合直方图高阶统计特征与GLCM特征的室内红外图像人群密度分类[J]. 李熙莹,黄秋筱. 红外技术. 2017(07)
[4]基于深度卷积神经网络的人群密度估计方法[J]. 谭智勇,袁家政,刘宏哲,李青. 计算机应用与软件. 2017(07)
[5]一种基于心理学模型的人群踩踏情景仿真方法[J]. 刘婷婷,刘箴,柴艳杰,刘翠娟,陈佳鑫. 系统仿真学报. 2016(10)
[6]基于支持向量机的遥感图像分类研究综述[J]. 王振武,孙佳骏,于忠义,卜异亚. 计算机科学. 2016(09)
[7]基于背景差分和光流法的运动目标检测与跟踪[J]. 刘荣,金国伟. 现代制造技术与装备. 2015(02)
[8]基于分层光流的煤矿井下运动目标跟踪算法[J]. 程德强,刘洁,郭政. 工矿自动化. 2015(03)
[9]图像稀疏表示及其在图像处理中的应用[J]. 孙君顶,赵慧慧. 红外技术. 2014(07)
[10]基于角点检测与SIFT算法的快速匹配方法[J]. 陈长伟. 计算机应用与软件. 2014(07)
博士论文
[1]基于稀疏分解的说话人识别技术研究[D]. 徐珑婷.南京邮电大学 2017
硕士论文
[1]基于稀疏表示和字典学习的雷达目标识别方法研究[D]. 胡允侃.南京航空航天大学 2018
[2]基于稀疏表示的图像分类技术研究[D]. 赵慧慧.河南理工大学 2015
[3]基于视频的目标跟踪及人群密度估计方法研究[D]. 郄志安.上海交通大学 2015
[4]面向视频监控应用的人群分析研究[D]. 卢晓威.上海交通大学 2015
本文编号：3202894
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3202894.html
