基于运动韦伯和局部约束的稀疏表示暴力检测

发布时间：2021-07-06 00:30

　　针对视频监控场景中的暴力行为问题,提出一种基于局部约束的稀疏分类模型和运动韦伯特征相结合的暴力检测方法。利用高斯滤波对输入视频去除一些噪声,提取出运动韦伯特征;提出改进的稀疏分类模型用于特定类字典的学习,引入基于局部约束的表达约束项和系数调整项用于提高模型的判别性;提出相应的分类机制用于对视频中的暴力行为进行分类。结果表明,提出的特征具有较强的判别性,且提出的基于局部约束的稀疏分类模型非常有效。 

【文章来源】：计算机应用与软件. 2020,37(07)北大核心

【文章页数】：7 页

【部分图文】：

提出的算法框架

改进后的WLD直方图的构建如图2所示。输入图像中的某一邻域内的像素分为4×4块,每块包含3×3个像素。这样得到的WLD直方图有4×4×12=192维的向量。改进后的WLD只是对静态图像的处理,在暴力检测时,如果使用改进后的WLD特征进行特征描述,会产生很多与行为没有关系的兴趣点区域,对暴力检测结果产生很大的影响。因此本文提出了运动韦伯描述子(MoWLD),它由两部分构成:累加的WLD直方图,用来描述图像的表观空间;累加的光流直方图,用来刻画时间上的运动特征。此外,在同一位置的不同大小的子图像能够产生不同的特征向量,只有多尺度的图像采样方法可以解决这个问题,因此本文可以采用基于P个像素的正方形对称的邻域的集合计算得到的多尺度的WLD特征分析算法[12]。

这里我们直接将光流直方图融入到WLD直方图中形成MoWLD描述子,并不对光流方向进行调整。图3给出了MoWLD描述子的构建过程。提取连续四帧图像用于计算WLD和光流的直方图,具有足够运动量的候选兴趣点被认为是MoWLD的兴趣点,累加起来就是整个MoWLD特征。1.1.4 多尺度的MoWLD

【参考文献】：
期刊论文
[1]图结构多尺度变换的视频异常检测[J]. 汪洪流,郭春生.  中国图象图形学报. 2017(11)
[2]基于深度学习特征的异常行为检测[J]. 王军,夏利民.  湖南大学学报(自然科学版). 2017(10)
[3]改进星型级联可形变部件模型的行人检测[J]. 韦皓瀚,曹国,金挺,王必胜,尚岩峰.  中国图象图形学报. 2017 (02)
[4]门禁系统中的异常行为检测[J]. 杨伟清,范勇,高琳,胡鹏.  计算机应用研究. 2017(03)

硕士论文
[1]面向家庭环境的人体日常行为识别[D]. 周霞.深圳大学 2016
[2]基于逐窗口优光流法的人体异常行为检测技术研究[D]. 宋明俊.深圳大学 2015



本文编号：3267145