基于视频的运动人体异常行为的识别研究

发布时间：2018-06-25 02:40

  本文选题：异常行为识别 + 目标检测　； 参考：《青岛科技大学》2017年硕士论文

【摘要】：视频监控系统作为安防必不可少的技术手段,在安全防护等各个领域均扮演极其重要的角色,运用到生活的各个方面。将视频中的无效信息自动过滤掉,不仅能够提高视频系统对人体行为识别的实时性,而且能够较为准确的对行为进行识别。这有效降低人力物力成本,同时能够降低运算量,实现实时主动预警功能,解决传统视频监控系统的事后性。在运动人体异常行为的识别方面,本文主要进行了以下几个方面的研究工作。(1)在图像预处理方面。首先对图像整体特点进行分析,提出本文图像预处理的思路。采用图像增强、灰度变换等方法去除大部分干扰杂质,取得较好的效果。(2)在目标检测方面。针对本文图片中的实际情况,并对传统检测方法进行实验分析。为解决传统单一方法干扰较多且轮廓不完整的缺陷,提出基于改进的GMM背景建模的运动目标检测,能够有效去除外界干扰并获得较为完整地轮廓,提高了系统的实时性及准确性,且在一定程度上对阴影有较好抑制作用。(3)在目标跟踪方面。区别于以往的单帧提取,在间隔固定帧选用有代表性的帧图像,提高识别判断的准确性,同时提高了系统的时效性。采用基于Kalman与Mean Shift的混合运动目标跟踪算法,使得目标跟踪的综合性能更加稳定高效。(4)在异常行为识别方面。区别于传统的单人行为识别,采用状态空间法建立多人的标准行为数据库,同时进行多人行为比对,减少行为匹配的时间,有效的提高了系统的时效性。再利用隐马尔可夫模型对人体行为进行识别研究。通过人体异常行为识别仿真实验,验证了本文的算法具有较强的时效性及准确性。
[Abstract]:Video surveillance system, as an indispensable technical means of security, plays an extremely important role in various fields, such as security and protection, and is applied to every aspect of life. Filtering out the invalid information automatically can not only improve the real-time performance of human behavior recognition, but also recognize the behavior accurately. This can effectively reduce the cost of manpower and material resources, reduce the amount of computation, realize the real-time active early warning function, and solve the hindsight of traditional video surveillance system. In the aspect of recognition of abnormal behavior of moving human body, this paper mainly studies the following aspects. (1) in image preprocessing. Firstly, the whole character of the image is analyzed, and the idea of image preprocessing in this paper is put forward. Image enhancement and gray level transformation are used to remove most of the interference impurities. (2) in target detection. According to the actual situation in this paper, the traditional detection method is analyzed experimentally. In order to solve the problem that the traditional single method has many interference and incomplete contour, a moving target detection method based on improved GMM background modeling is proposed, which can effectively remove the external interference and obtain a more complete contour. The real-time and accuracy of the system are improved, and the shadow is suppressed to a certain extent. (3) in the aspect of target tracking. Different from the previous single frame extraction, the representative frame images are selected at fixed intervals to improve the accuracy of recognition and judgment, and to improve the timeliness of the system. A hybrid moving target tracking algorithm based on Kalman and mean shift is adopted, which makes the performance of target tracking more stable and efficient. (4) recognition of abnormal behavior. Different from the traditional single person behavior recognition, the state space method is used to establish the multi-person standard behavior database, and the multi-person behavior comparison is carried out at the same time, which reduces the time of behavior matching and effectively improves the timeliness of the system. Then the hidden Markov model is used to identify human behavior. The simulation results show that the proposed algorithm is time-efficient and accurate.
【学位授予单位】：青岛科技大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.41

【参考文献】

中国期刊全文数据库 前10条

1 蒋小勇;周胜增;;隐马尔可夫模型在多目标自动检测和跟踪中应用[J];声学与电子工程;2016年04期

2 魏永超;庄夏;傅强;;人群异常识别技术研究进展[J];计算机系统应用;2016年09期

3 单言虎;张彰;黄凯奇;;人的视觉行为识别研究回顾、现状及展望[J];计算机研究与发展;2016年01期

4 王博宇;李杰伟;;中国交通事故的统计分析及对策[J];当代经济;2015年20期

5 罗超宇;李小曼;韩骏浩;吴欣平;;改进的混合高斯背景建模算法[J];计算机应用与软件;2015年10期

6 张凤军;赵岭;安国成;王宏安;戴国忠;;一种尺度自适应的Mean Shift跟踪算法[J];计算机研究与发展;2014年01期

7 李瑞峰;王亮亮;王珂;;人体动作行为识别研究综述[J];模式识别与人工智能;2014年01期

8 李楠;姬光荣;;基于不同隐马尔科夫模型的图像识别方法[J];现代电子技术;2012年08期

9 朱旭东;刘志镜;;基于主题隐马尔科夫模型的人体异常行为识别[J];计算机科学;2012年03期

10 柴毅;阳小燕;尹宏鹏;匡金骏;;基于运动区域检测的运动目标跟踪算法[J];计算机应用研究;2010年12期

中国博士学位论文全文数据库 前2条

1 林春丽;基于视频序列的人体行为分类及异常检测[D];哈尔滨工程大学;2012年

2 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

中国硕士学位论文全文数据库 前10条

1 王昌诚;现代图像处理技术在深海高清图像分析中的研究[D];青岛科技大学;2015年

2 吴宝洲;几类目标异常行为的视频监控研究[D];浙江大学;2015年

3 胡永亮;基于视频流的异常人体行为分析[D];北京理工大学;2015年

4 高鹏;基于隐马尔科夫模型的目标人体识别[D];宁波大学;2014年

5 何杰;视频监控中的人体异常行为识别方法研究[D];重庆大学;2014年

6 胡韶山;人体异常行为识别在智能监控系统中的研究与实现[D];西安电子科技大学;2012年

7 荆雪威;基于视频图像的人体异常行为识别技术研究[D];哈尔滨工程大学;2012年

8 伍彩红;基于视觉的人体行为识别研究[D];华中师范大学;2011年

9 胡波;基于Mean Shift算法和卡尔曼滤波的视频目标跟踪技术研究[D];宁波大学;2010年

10 黄维尧;基于人体行为分析的智能监控系统设计与实现[D];西安电子科技大学;2008年

，

本文编号：2064156