基于场景理解和深度学习的滞留物识别和异常行为检测方法研究
发布时间：2020-12-26 17:11
滞留物检测和识别是计算机视觉领域的重要研究课题之一,在公共场所和人群密集地区,未被检测到的滞留物可能会威胁到行人的生命财产安全,因此需要对于视频进行智能监控和自动识别。在现实生活中,当一个场景中出现滞留物,能够快速检测出并识别,能够进行有效预警,对于城市管理和安全有巨大作用。背景复杂性、光照变化、低质量图像和遮挡等场景复杂问题,使得滞留物检测和识别非常具有挑战性。同时,滞留物检测缺乏对于其拥有者的关联性分析,并且在低质量图像和视频情况下的物品分类,没有良好的解决方法。因此,本文在传统方法和深度学习方法的基础上,提出了多个滞留物检测和识别的算法,并且通过对滞留物的分析,可以检测到相关行人的异常行为,主要工作如下:(1)针对滞留物及其与行人之间关联性,利用目标追踪算法,提出了一种基于连通区域信息的算法。现有的相关滞留物算法只是关注滞留物本身,缺乏对其关联性的行人进行分析,无法获取到滞留物的所有者,并且对于滞留物缺乏类别分析。因此我们的算法利用改进的相关滤波算法进行行人追踪、同时利用多重方向背景模型进行行人和静态目标检测,利用追踪行人和物品分离时刻的连通区域进行滞留物检测。与此同时,利用主成...
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：104 页
【学位级别】：博士
【部分图文】：
图２．１滞留物检测的常用框架??
?第３章基于目标追踪的滞留物检测???；滤波器??第帧采样?肝了?定位??Ｗ－…一ｎＦ－??Ｓｆｅｉ：ＷＫｉ?ｍｔｉ＾＂?＾?ＷＭ?ｉｆｃ＾．：，’、＇麗Ｉ??｜?ＦＦＴ１????＊????浊汲器？??：ｉ＊；ｎ?＇ｉ?ｔ?？ｆ?［＾－ＩＦＦＴ—▼?？－ＦＦＴ—?Ｉ?＋?；■??▼??ｉ＋ｉ帧采杼?ｍ—？??ｕｕ——？；?响化阁????？?ｍ＆??图３．１相关滤波器的追踪算法流程??信号处理中，描述两个因素之间的关系的概念被称为相关性（ｃｏｒｒｅｌａｔｉｏｎ），??假设有两个信号／和义其相关性为：??厂一?ＯＯ??（ｆ?０?ｇ）⑴＝?ｆ＼ｔ）ｇ（ｔ?＋?Ｔ）ｄｔ?（３．１）??ｊ?ＯＯ??００??（／?＜８）＾）（ｎ）?＝?＾ｆ＊［ｍ］ｇ（＜ｍ?＋?ｎ）?（３．２）??—００??其中ｒ表示／的复共轭，相关性指的是两个函数在某个时刻的相似程度，??利用在跟随上的想法就是：两个信号越相似，其相关值越高。在跟踪方面，就??是寻找到与目标响应最大的项。??根据以上思路，需要找到一个相关滤波器，能够获取输出响应，然后使其??在目标上的响应最大，也就是期望跟踪目标的中心点。??Ｇ?＝?Ｆ〇Ｈ＊?（３．３）??其中Ｆ输入图像，Ｇ为最大响应位置，／Ｔ则是我们期望得到的滤波器。为??了提高整体的计算效率，使用快速傅里叶变换把相关操作在频域中计算。Ｆ是／??的傅里叶变换啦５１？０１１１＾１＇１以１１５｛＇〇１＂１１１，？？丁）。〇表不对应元素相乘。在整个计算??２７??
?第３章基于目标追踪的滞留物检测???其中，是追踪区域，／？２是非追踪区域。然后利用卡尔曼滤波器消除跟踪??过程中产生的噪声，提高目标跟踪的精度。根据与７；的重叠部分，我们可以??确定５？是否属于ＡＴ。通过比较目标清单Ｌ中己经存在的ＺＶ７；和物体质心之间的??欧氏距离，我们可以判断７Ｖ７；是否是新出现的。然后，Ｗ７；作为对象存储在项目??列表Ｌ中。??一般情况下，我们根据对象的静止时间来分析其相关性并判断其是否为滞??留目标。因此，该算法在应用于大规模的自动视频监控系统时，能够快速地进??行滞留目标检测和相关性分析，并能快速地处理每个实时视频流。??３．３基于主成分分析的滞留物识别??本章将几何仿射不变矩与主成分分析相结合，实现了对遗留目标的识别。??我们的算法框架如下。??＿魏＿???ＯＭ?ａ??：＾ｍ??痤??ｍｉ??ｄｈ??□■国?ＥＨＨ?１?，??￣几何仿射不变矩￣ｈ??■顯霾圓〇鬯圓????图３．２滞留物识别流程示意图??首先，存储视频中滞留目标检测结果区域的屏幕截图。然后构造几何仿射??不变矩。由于滞留目标识别算法结合了两种方法的特点，该算法可以解决实际??视频中滞留目标相对于训练样本图像中的项目（对象的前视图和侧视图）的视??角变化问题，如旋转、平移、缩放和倾斜。然后，利用主成分分析法对其不变??３６??
【参考文献】：
期刊论文
[1]基于深度融合的显著性目标检测算法[J]. 张冬明,靳国庆,代锋,袁庆升,包秀国,张勇东. 计算机学报. 2019(09)
[2]改进的SSD航拍目标检测方法[J]. 裴伟,许晏铭,朱永英,王鹏乾,鲁明羽,李飞. 软件学报. 2019(03)
[3]面向小目标的多尺度Faster-RCNN检测算法[J]. 黄继鹏,史颖欢,高阳. 计算机研究与发展. 2019(02)
本文编号：2940120
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：104 页
【学位级别】：博士
【部分图文】：
图２．１滞留物检测的常用框架??
?第３章基于目标追踪的滞留物检测???；滤波器??第帧采样?肝了?定位??Ｗ－…一ｎＦ－??Ｓｆｅｉ：ＷＫｉ?ｍｔｉ＾＂?＾?ＷＭ?ｉｆｃ＾．：，’、＇麗Ｉ??｜?ＦＦＴ１????＊????浊汲器？??：ｉ＊；ｎ?＇ｉ?ｔ?？ｆ?［＾－ＩＦＦＴ—▼?？－ＦＦＴ—?Ｉ?＋?；■??▼??ｉ＋ｉ帧采杼?ｍ—？??ｕｕ——？；?响化阁????？?ｍ＆??图３．１相关滤波器的追踪算法流程??信号处理中，描述两个因素之间的关系的概念被称为相关性（ｃｏｒｒｅｌａｔｉｏｎ），??假设有两个信号／和义其相关性为：??厂一?ＯＯ??（ｆ?０?ｇ）⑴＝?ｆ＼ｔ）ｇ（ｔ?＋?Ｔ）ｄｔ?（３．１）??ｊ?ＯＯ??００??（／?＜８）＾）（ｎ）?＝?＾ｆ＊［ｍ］ｇ（＜ｍ?＋?ｎ）?（３．２）??—００??其中ｒ表示／的复共轭，相关性指的是两个函数在某个时刻的相似程度，??利用在跟随上的想法就是：两个信号越相似，其相关值越高。在跟踪方面，就??是寻找到与目标响应最大的项。??根据以上思路，需要找到一个相关滤波器，能够获取输出响应，然后使其??在目标上的响应最大，也就是期望跟踪目标的中心点。??Ｇ?＝?Ｆ〇Ｈ＊?（３．３）??其中Ｆ输入图像，Ｇ为最大响应位置，／Ｔ则是我们期望得到的滤波器。为??了提高整体的计算效率，使用快速傅里叶变换把相关操作在频域中计算。Ｆ是／??的傅里叶变换啦５１？０１１１＾１＇１以１１５｛＇〇１＂１１１，？？丁）。〇表不对应元素相乘。在整个计算??２７??
?第３章基于目标追踪的滞留物检测???其中，是追踪区域，／？２是非追踪区域。然后利用卡尔曼滤波器消除跟踪??过程中产生的噪声，提高目标跟踪的精度。根据与７；的重叠部分，我们可以??确定５？是否属于ＡＴ。通过比较目标清单Ｌ中己经存在的ＺＶ７；和物体质心之间的??欧氏距离，我们可以判断７Ｖ７；是否是新出现的。然后，Ｗ７；作为对象存储在项目??列表Ｌ中。??一般情况下，我们根据对象的静止时间来分析其相关性并判断其是否为滞??留目标。因此，该算法在应用于大规模的自动视频监控系统时，能够快速地进??行滞留目标检测和相关性分析，并能快速地处理每个实时视频流。??３．３基于主成分分析的滞留物识别??本章将几何仿射不变矩与主成分分析相结合，实现了对遗留目标的识别。??我们的算法框架如下。??＿魏＿???ＯＭ?ａ??：＾ｍ??痤??ｍｉ??ｄｈ??□■国?ＥＨＨ?１?，??￣几何仿射不变矩￣ｈ??■顯霾圓〇鬯圓????图３．２滞留物识别流程示意图??首先，存储视频中滞留目标检测结果区域的屏幕截图。然后构造几何仿射??不变矩。由于滞留目标识别算法结合了两种方法的特点，该算法可以解决实际??视频中滞留目标相对于训练样本图像中的项目（对象的前视图和侧视图）的视??角变化问题，如旋转、平移、缩放和倾斜。然后，利用主成分分析法对其不变??３６??
【参考文献】：
期刊论文
[1]基于深度融合的显著性目标检测算法[J]. 张冬明,靳国庆,代锋,袁庆升,包秀国,张勇东. 计算机学报. 2019(09)
[2]改进的SSD航拍目标检测方法[J]. 裴伟,许晏铭,朱永英,王鹏乾,鲁明羽,李飞. 软件学报. 2019(03)
[3]面向小目标的多尺度Faster-RCNN检测算法[J]. 黄继鹏,史颖欢,高阳. 计算机研究与发展. 2019(02)
本文编号：2940120
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2940120.html
