论文部分内容阅读
针对电梯轿厢内暴力行为的日益增多,安全问题需要得到更多的关注。而目前的传统视频监控无法自动地检测异常行为,还需要人参与其中,其效率和准确性都不能令人满意。智能视频监控技术作为电梯轿厢内异常检测的必然发展趋势,能够克服传统视频监控的缺点,有效地识别异常行为。本文主要研究了智能视频监控中的数字图像处理、模式识别和计算机视觉等关键技术,探讨了一种电梯轿厢内异常行为检测方法。首先对四种基于减背景的人体前景提取算法进行了研究来提取人体前景,然后通过基于前景连通区域像素统计的人数判断方法,获取电梯轿厢内人数信息,最后针对单人和多人情况采取不同的异常行为检测方式。对于多人的情况,主要检测的是类似打斗这样的异常行为。通过采集电梯轿厢内的视频图像,计算人体前景像素数量的变化、前景外接矩形的长宽变化以及前景外接矩形的中心变化这三个相关特征,并组成三维人体运动特征向量。对于获得的三维特征向量,本文研究了三种聚类方法,并通过对特征向量数据使用聚类算法,得到观察符号序列。利用得到的观察符号序列对电梯轿厢内人体正常行为模式建立隐马尔可夫模型,根据与正常行为隐马尔可夫模式的比较来识别电梯轿厢内的多人异常行为。对于单人情况,主要检测的是类似于突发疾病而倒地长时间静止不动的异常行为。本文首先通过研究基于二值图的人体轮廓跟踪方法获取人体初始轮廓;然后研究了Snake方法,并通过此方法获得更接近人体形状的人体轮廓;最后通过Hausdorff算法来对连续两帧图像中获得的人体轮廓进行匹配度计算,通过计算一段时间内的人体前后帧的轮廓匹配程度,来判断人体是否处于长时间静止不动的异常状态。本文开发了基于Java语言的电梯轿厢内异常行为智能检测系统,详细介绍各个模块的实现,并在模拟的环境中进行了相关实验。实验结果显示了本文所使用的方法能够有效地检测电梯轿厢内多人打斗和单人长时间静止这样的异常行为。