公共安全問(wèn)題一直都是社會(huì)上關(guān)注的焦點(diǎn)。近些年來(lái),監(jiān)控設(shè)備技術(shù)的發(fā)展使得監(jiān)控設(shè)備早已遍布每個(gè)角落。而作為計(jì)算機(jī)視覺(jué)領(lǐng)域中的研究熱點(diǎn),智能視頻檢測(cè)技術(shù)也隨著監(jiān)控設(shè)備普及的驅(qū)動(dòng)而飛速的發(fā)展。而監(jiān)控視頻中的異常行為檢測(cè)則是智能監(jiān)控技術(shù)中非常重要的研究方向,異常行為檢測(cè)主要是通過(guò)計(jì)算機(jī)視覺(jué)相關(guān)檢測(cè)算法自動(dòng)的對(duì)監(jiān)控視頻中可能出現(xiàn)的異常行為進(jìn)行檢測(cè)。其難點(diǎn)主要在于監(jiān)控視頻場(chǎng)景的復(fù)雜多邊形,以及異常行為檢測(cè)技術(shù)實(shí)際應(yīng)用所要求的準(zhǔn)確性、實(shí)時(shí)性和穩(wěn)定性。由于卷積神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺(jué)當(dāng)中的廣泛應(yīng)用,本文主要研究了基于卷積神經(jīng)網(wǎng)絡(luò)的異常檢測(cè)算法,設(shè)計(jì)了基于卷積神經(jīng)網(wǎng)絡(luò)的兩種不同的異常行為檢測(cè)算法分別應(yīng)用于不同的場(chǎng)景。其中,針對(duì)于監(jiān)控場(chǎng)景中比較常見(jiàn)的暴力行為檢測(cè)以及特定監(jiān)控場(chǎng)景中的一些特定的異常行為檢測(cè)是本文的主要研究重點(diǎn)。本文的主要研究?jī)?nèi)容為:（1）研究了傳統(tǒng)的視頻場(chǎng)景中的動(dòng)態(tài)信息的獲取方法。主要包括幀間差分法,背景減除法以及光流法,不同的方法具有各自的優(yōu)缺點(diǎn)以及適用的場(chǎng)景,本文也分析了不同方法的優(yōu)劣,并在后續(xù)的異常檢測(cè)任務(wù)上選擇了合適的動(dòng)態(tài)特征提取算法進(jìn)行特征提取。（2）研究了卷積神經(jīng)網(wǎng)絡(luò)模型的發(fā)展歷程以及... 

【文章來(lái)源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：78 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

異常行為檢測(cè)應(yīng)用場(chǎng)景

圖 1-2 本文技術(shù)路線分，主要介紹了監(jiān)控視頻下的異常行外研究現(xiàn)狀，最后總體簡(jiǎn)要的介紹了了異常行為檢測(cè)的一些研究理論基礎(chǔ)重要的特征，其次簡(jiǎn)要的介紹了異常流的異常行為檢測(cè)網(wǎng)絡(luò)模型。監(jiān)控場(chǎng)景中出現(xiàn)的暴力行為，設(shè)計(jì)了的結(jié)構(gòu)用于暴力行為檢測(cè)。為了能夠是原始視頻幀和相鄰幀的幀差，分別了 SVM 作為分類器，而且在本章中運(yùn)動(dòng)信息相結(jié)合，有效的提高了檢監(jiān)控視頻復(fù)雜場(chǎng)景下的人群異常行為

圖 2-1 幀間差分法示意圖 所示，假設(shè)監(jiān)控視頻序列中第t幀和第 t + 1幀的圖像分別對(duì)應(yīng)像素點(diǎn)的灰度值分別為 ( , )tD x y 和1( , )tD x y+。將兩度值進(jìn)行差分操作，再對(duì)差分之后的灰度值取絕對(duì)值差分圖像td ，如公式(2-1)所示：1( , ) ( , ) ( , )t t td x y D x y D x y+ 差分法能夠有效的提取到視頻當(dāng)中的運(yùn)動(dòng)信息，其優(yōu)比較簡(jiǎn)單，計(jì)算量很小且對(duì)監(jiān)控場(chǎng)景中的光線等背景的夠較好的適應(yīng)各種監(jiān)控環(huán)境。但是幀間差分法也有不足間差分只能夠得到監(jiān)控視頻場(chǎng)景中的運(yùn)動(dòng)物體的輪廓運(yùn)動(dòng)主體；其次，在進(jìn)行幀差差分延遲事件的選擇時(shí)，結(jié)果有較大的區(qū)別。當(dāng)選擇較大的延遲時(shí)間時(shí)，如果場(chǎng)


本文編號(hào)：3379144