论文部分内容阅读
本文主要研究智能视频监控分析技术在异常行为检测中的应用,本文的主要研究内容为:1、前景检测是智能视频监控技术后续识别等工作的关键,本文提出三种有效的算法检测前景(包括静止前景,如遗弃物,长时滞留的行人、车辆)。首先结合滑动平均法和近似中值法的特点,提出一种双层背景建模方法。该方法利用不同更新率的快慢背景之间的差异检测静止目标。该算法无需对目标进行跟踪,降低了运算量,并且具有一定的鲁棒性。提出一种实时的静止前景检测方法,通过建立双背景模型提取静止前景,证据累积图像与允许遮挡时间参数能很好地处理虚警及遮挡。实验证明,在matlab7.1环境下对图像大小为352×288的视频序列而言,该方法的平均处理速度达到约50帧/s,能够满足实时的监控任务需求。提出一种有效的静止前景检测方法,通过对混合高斯模型的更新方式的改进,在保留GMM模型原有优点的同时,还能对动态场景中的静止目标进行检测,并且能很好的解决遮挡问题。实验结果表明,该方法能适应复杂的背景环境,达到良好的检测效果。2、提出两种分类算法区分遗弃物和移走物(偷窃物、鬼影等)。对检测出的静止前景进行光影滤除,并排除静止行人和车辆的干扰,进一步提高静止目标检测的鲁棒性,提出一种基于颜色丰富度和边缘加权特征的判别方法,实验结果证明,该方法相比于已有的基于边缘的算法及基于颜色的方法,分类效果大大提高。为了进一步提高实时性和分类效果,提出一种实时的基于边界空间颜色对比度的遗弃物与偷窃物判别方法。相比于现有的其他方法,该方法极大降低了计算耗时且分类准确率较高,具有良好的检测性能和实时性,为后继跟踪、分类等处理提供了坚实的基础,具有很强的应用价值。3、为了提高以人体轮廓为主要特征对人体行为进行识别时的性能,提出一种以头部为基准的人体轮廓模型。与已有的以人体轮廓为主要特征的人体行为识别方法相比,该方法有以下特点:1)采用无需重新初始化的水平集方法可以快速提取人体连续的封闭轮廓;2)由于只在人体轮廓上对头部定位,消除了背景对头部检测的影响,使头部定位简单快速;3)由典型的关键帧的人体轮廓信息加上动作周期的典型运动特征构成的特征向量足够包含了识别人体行为的关键信息;4)轮廓模型以头部为基准,可有效改善特征向量的聚类性能。为了进一步检测各种环境中人体交互时的异常行为,提出一种基于区域光流特征的人体异常行为检测。采用基于幅值的加权方向直方图的运动熵来描述行为的激烈程度和混乱程度,并提出一种运动熵和运动能量加权和的异常判定系数判断异常行为的发生。实验结果证明了以上算法的有效性。