基于視頻監(jiān)控的群體異常行為檢測研究

《基于視頻監(jiān)控的群體異常行為檢測研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、分類號密級ＵＤＣ兩考善碩±學(xué)位論文基于視頻監(jiān)控的群體異常行為檢測研究＊■：宋舟妮：作者姓名：＾＾；工程領(lǐng)域：ａ？：ｓｉｇ祭—Ｉ曇嚷馨ｆ；＂＜．２１２０１３Ｑ８５２Ｑ７Ｑ１１１學(xué)號：ｆａ麵，＾謎繼；｜．＾?。颍牐蓿蓿蓿崳姡欤椋椋橹笇?dǎo)教師：王平＂＂＂￣遙脹貞撕Ｔ玄的６：年３月－１－？－一—靡’＊＞＂隹感山巾１言艦高＾ｐ｜Ｃｌａｓｓｉ打ｅｄＩｎｄｅｘ：ＵＤＣ：ＸｉｈｕａＵｎｉｖｅｒｓｉｔｙＭａｓｔｅｒ

2、ＤｅｇｒｅｅＤｉｓｓｅｒｔａｔｉｏｎ乂ｂｎｏｒｍａｌＣｒｏｗｄＢｅｈａｖｉｏｒＤｅｔｅｃ村ｏｎＢａｓｅｄｏｎＶｉｄｅｏＳｕｒｖｅｉｌｌａｎｃｅＣａｎｄｉｄａｔｅ：ＤａｎｎｉＳｏｎｇＭａｏｒ：ＥｌｅｃｔｒｉｃａｌＥｎｉｎｅｅｒｉｎｊｇｇＳ化ｄｅｎｔＩＤ：２１２０１３０８巧０７０１１Ｓｕｅｒｖｉｓｏｒ：Ｐｒｏｆ．ＷａｎｉｎｐｇｐｇＭａｒｃｈ２０１６，西華大學(xué)學(xué)位論文獨(dú)創(chuàng)性聲明：作者鄭重聲明所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下進(jìn)行研究工作

3、所取得的成果。盡我所知，除文中氏經(jīng)注明引用內(nèi)容和致謝的地方外，本論文不包含其他個(gè)人或集體已經(jīng)發(fā)表的研究成果，也不包含其他已申請一工用過成。我作本學(xué)位或其他途使巧的果與同的同志研究所的貢對做獻(xiàn)己文明說表示了謝意。均在論中做了確的明并不之，法。若有本人愿意承擔(dān)相關(guān)律責(zé)任實(shí)處論文作者簽名教簽名學(xué)位指導(dǎo)師＇：曰日期期．。ｋ。人ｔ心Ｉ＾摘要近年來，恐怖襲擊和突發(fā)性群體事件不斷挑戰(zhàn)城市的防御底線，公共安全問題已在全球范圍內(nèi)引起廣泛關(guān)注。傳統(tǒng)的視頻監(jiān)控主要依賴于人工監(jiān)控，費(fèi)時(shí)費(fèi)力且效率低，智能

4、視頻監(jiān)控系統(tǒng)的實(shí)現(xiàn)成為了減少公共場合內(nèi)群眾人身傷害及財(cái)產(chǎn)損失的有效措施。因此，對基于視頻監(jiān)控的群體異常行為檢測系統(tǒng)進(jìn)行深入研究具有重要的應(yīng)用價(jià)值與深遠(yuǎn)的現(xiàn)實(shí)意義。針對傳統(tǒng)群體異常行為檢測系統(tǒng)實(shí)時(shí)性與場景適應(yīng)性不能達(dá)到平衡的情況，結(jié)合機(jī)器學(xué)習(xí)相關(guān)最新理論成果，提出一種結(jié)合群體密度特征和運(yùn)動特征以實(shí)現(xiàn)群體異常行為檢測的新方案。本文對群體密度進(jìn)行估計(jì)，而后提取群體運(yùn)動特征，最后利用隨機(jī)森林分類器實(shí)現(xiàn)群體異常行為的多類別檢測，具體研究工作如下：一、群體密度估計(jì)。提取ROI范圍內(nèi)經(jīng)過透視矯正算法更新的二值前景面積，利用F

5、AST角點(diǎn)密度設(shè)定群體密度權(quán)重值，完成前景像素歸一化；在不同權(quán)值范圍內(nèi)運(yùn)用各自的最小二乘法擬合曲線估計(jì)出群體密度等級。群體密度估計(jì)的主要目的是排除運(yùn)動矢量在群體稀疏場景下仍可能較為混亂的情況，減少誤判。二、群體運(yùn)動特征提取。利用二值前景掩碼得到圖像前景圖，計(jì)算局部稠密HS光流場后經(jīng)過光流場掩碼提取光流運(yùn)動信息，而后提取平均動能和運(yùn)動方向熵這兩種群體運(yùn)動特征；對光流場掩碼內(nèi)的FAST角點(diǎn)計(jì)算其兩兩之間的歐式距離，提取距離勢能；利用歸一化前景面積計(jì)算得到群體人數(shù)變化率。提取的四種群體運(yùn)動特征分別描述了群體運(yùn)動的劇烈

6、程度、運(yùn)動方向的混亂程度、群體個(gè)體間的分散程度以及視頻拍攝范圍內(nèi)人數(shù)的變化速度。三、群體行為識別。將提取的四種群體運(yùn)動特征作為分類屬性，利用訓(xùn)練樣本訓(xùn)練得到隨機(jī)森林分類器后根據(jù)測試樣本中的各類屬性差異判斷類別，實(shí)現(xiàn)群體異常行為的識別。本文就正常、室外恐慌、同方向突散、急走急停這四種典型群體行為進(jìn)行深入研究與識別分析。本文提出的群體異常行為檢測方法主要在場景適應(yīng)性和實(shí)時(shí)性方面進(jìn)行了有效改進(jìn)，算法對UMN和PETS2009公共數(shù)據(jù)庫內(nèi)多個(gè)相關(guān)視頻進(jìn)行仿真實(shí)驗(yàn)分析，并與其他檢測算法進(jìn)行對比分析，實(shí)驗(yàn)結(jié)果表明：本文方法

7、能夠自動有效的檢測出群體異常行為并識別其類型，模型簡單計(jì)算復(fù)雜度低，識別率能達(dá)到98%，且實(shí)時(shí)性好，具有較高的魯棒性。關(guān)鍵詞：智能視頻監(jiān)控；群體異常行為；群體密度；光流；隨機(jī)森林IABSTRACTInrecentyears,theterroristattackandcriticalgroupincidenthavechallengedthebottomlineofthecity'sdefenseconstantly;thepublicsecurityhascausedwidespreadconcerninthe

8、world.Traditionalvideomonitoringmainlyreliesonmanualmonitoring,inefficientandwastefulintime.Theeffectivemeasuretoreducepersonalinjuryandpropertydamageinpublicplacesistherealizationofintelligentv