基于约束稀疏表示的视频异常检测算法研究

发布时间：2017-09-18 02:23

  本文关键词：基于约束稀疏表示的视频异常检测算法研究

  更多相关文章： 视频分析 异常检测 稀疏表示 局部几何结构

【摘要】：异常检测也称偏差检测,就是通过所建立的正常数据模式来检测与之不符的异常数据模式。通常根据异常检测应用领域的不同,这些异常数据模式也被称为野值点、局外点、离群点或者污点[1]。近年来异常检测的应用越来越广泛,已经成为疾病检测、入侵检测、身份辨识、故障诊断及智能监控等领域重要研究手段。与此同时,近些年来整个社会对于安全防护的意识也在不断加强,并且伴随着模式识别、人工智能和图像处理等技术的迅速进步,不但为整个视频监控市场的快速发展指明了方向,而且使得视频监控系统的应用已经深入到人们日常生活的各个领域。因此,本文主要关注于基于视频的异常事件检测方法研究,如何对海量的高维视频数据进行智能分析,并且及时发现视频数据中存在的异常事件不仅是提高视频监控系统智能化水平的关键,而且已经成为关乎人民生命财产安全和社会稳定的重要国计民生问题,也是大数据时代信息处理领域的重要研究课题。近几十年来,视频异常事件检测技术的研究已经取得了很大程度上的进展,积累了丰富的理论并涌现出大量的检测方法。尽管已有的视频异常检测技术能够获得优越的性能,但视频数据具有数量大、维度高、信息容量较高且关系复杂、解释具有多样性和模糊性、很强的时空连续性、同时多数视频含有噪声等特点,由视频数据的这些特点可以得知视频异常检测算法有着较大的研究难度,同时也使得视频异常事件检测成为了异常艰巨的难题。本文针对已有基于稀疏表示视频异常事件检测方法进行分析与总结,在此基础上提出了基于约束稀疏表示(Constrained Sparse Representation,CSR)的视频异常检测算法,该方法主要是将近邻图约束整合到稀疏编码的目标方程中,训练出正常视频图像的稀疏编码,再用这些编码进行视频异常检测。为了检验算法性能,在UMN数据库上进行了验证,并与其它检测效果比较好的异常检测方法进行了对比,实验结果显示本文提出的方法具有较好的检测效果。
【关键词】：视频分析 异常检测 稀疏表示 局部几何结构
【学位授予单位】：东北师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN948.6
【目录】：

• 摘要4-5
• Abstract5-7
• 第一章 绪论7-12
• 1.1 研究背景及意义7-8
• 1.2 国内外研究现状8-10
• 1.3 本文的主要工作及结构安排10-12
• 第二章 异常检测与相关算法介绍12-18
• 2.1 视频异常事件检测问题描述12-13
• 2.2 异常检测相关算法13-17
• 2.2.1 基于概率的异常检测算法13-14
• 2.2.2 基于距离和聚类的异常检测算法14-15
• 2.2.3 基于域的异常检测算法15
• 2.2.4 基于重构的异常检测算法15-17
• 2.3 本章小结17-18
• 第三章 基于约束稀疏表示的视频异常事件检测18-25
• 3.1 引言18-19
• 3.2 运动特征提取19
• 3.3 基于约束稀疏表示的异常检测算法19-24
• 3.3.1 模型构建20-21
• 3.3.2 目标函数求解21-23
• 3.3.3 收敛性分析23-24
• 3.3.4 异常事件检测24
• 3.4 本章小结24-25
• 第四章 实验结果与分析25-34
• 4.1 UMN数据库25-26
• 4.2 评价指标26-28
• 4.3 实验结果与分析28-33
• 4.4 本章小结33-34
• 第五章 总结和展望34-35
• 5.1 本文工作总结34
• 5.2 未来研究展望34-35
• 参考文献35-38
• 致谢38-39
• 在学期间公开发表论文情况39

【相似文献】

中国期刊全文数据库 前10条

1 李映;张艳宁;许星;;基于信号稀疏表示的形态成分分析:进展和展望[J];电子学报;2009年01期

2 赵瑞珍;王飞;罗阿理;张彦霞;;基于稀疏表示的谱线自动提取方法[J];光谱学与光谱分析;2009年07期

3 杨蜀秦;宁纪锋;何东健;;基于稀疏表示的大米品种识别[J];农业工程学报;2011年03期

4 史加荣;杨威;魏宗田;;基于非负稀疏表示的人脸识别[J];计算机工程与设计;2012年05期

5 高志荣;熊承义;笪邦友;;改进的基于残差加权的稀疏表示人脸识别[J];中南民族大学学报(自然科学版);2012年03期

6 朱杰;杨万扣;唐振民;;基于字典学习的核稀疏表示人脸识别方法[J];模式识别与人工智能;2012年05期

7 耿耀君;张军英;袁细国;;一种基于稀疏表示系数的特征相关性测度[J];模式识别与人工智能;2013年01期

8 张疆勤;廖海斌;李原;;基于因子分析与稀疏表示的多姿态人脸识别[J];计算机工程与应用;2013年05期

9 李正周;王会改;刘梅;丁浩;金钢;;基于形态成分稀疏表示的红外小弱目标检测[J];弹箭与制导学报;2013年04期

10 胡正平;赵淑欢;李静;;基于块稀疏递推残差分析的稀疏表示遮挡鲁棒识别算法研究[J];模式识别与人工智能;2014年01期

中国重要会议论文全文数据库 前3条

1 何爱香;刘玉春;魏广芬;;基于稀疏表示的煤矸界面识别研究[A];虚拟运营与云计算——第十八届全国青年通信学术年会论文集（上册）[C];2013年

2 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[A];2013年中国智能自动化学术会议论文集（第五分册）[C];2013年

3 葛凤翔;任岁玲;郭鑫;郭良浩;孙波;;微弱信号处理及其研究进展[A];中国声学学会水声学分会2013年全国水声学学术会议论文集[C];2013年

中国博士学位论文全文数据库 前10条

1 李进明;基于稀疏表示的图像超分辨率重建方法研究[D];重庆大学;2015年

2 王亚宁;基于信号稀疏表示的电机故障诊断研究[D];河北工业大学;2014年

3 姚明海;视频异常事件检测与认证方法研究[D];东北师范大学;2015年

4 黄国华;蛋白质翻译后修饰位点与药物适应症预测方法研究[D];上海大学;2015年

5 王瑾;基于稀疏表示的数据收集、复原与压缩研究[D];北京工业大学;2015年

6 王文卿;基于融合框架与稀疏表示的遥感影像锐化[D];西安电子科技大学;2015年

7 解虎;高维小样本阵列自适应信号处理方法研究[D];西安电子科技大学;2015年

8 秦振涛;基于稀疏表示及字典学习遥感图像处理关键技术研究[D];成都理工大学;2015年

9 薛明;基于稀疏表示的在线目标跟踪研究[D];上海交通大学;2014年

10 孙乐;空谱联合先验的高光谱图像解混与分类方法[D];南京理工大学;2014年

中国硕士学位论文全文数据库 前10条

1 吴丽璇;基于稀疏表示的微聚焦X射线图像去噪方法[D];华南理工大学;2015年

2 赵孝磊;基于图像分块稀疏表示的人脸识别算法研究[D];南京信息工程大学;2015年

3 黄志明;基于辨别式稀疏字典学习的视觉追踪算法研究[D];华南理工大学;2015年

4 张铃华;非约束环境下的稀疏表示人脸识别算法研究[D];南京信息工程大学;2015年

5 贺妍斐;基于稀疏表示与自适应倒易晶胞的遥感图像复原方法研究[D];南京信息工程大学;2015年

6 杨烁;电能质量扰动信号的稀疏表示/压缩采样研究[D];西南交通大学;2015年

7 应艳丽;基于低秩稀疏表示的目标跟踪算法研究[D];西南交通大学;2015年

8 梁晓捷;基于网络摄像头与稀疏表示分类法的实时人脸识别系统应用研究[D];五邑大学;2015年

9 张宏乐;语音信号稀疏表示方法研究[D];太原理工大学;2016年

10 郭欣;基于K-SVD稀疏表示的语音增强算法研究[D];太原理工大学;2016年

，

本文编号：872833