【摘要】：目前在海量監(jiān)控視頻中發(fā)生的打架斗毆以及搶劫等惡劣行為,人工用眼睛無法對視頻進行長時間持續(xù)性的觀測,如何實時的對監(jiān)控視頻中的異常行為進行檢測和識別是智能安防領(lǐng)域不斷研究的課題。本文主要研究復(fù)雜背景環(huán)境和多人流環(huán)境中運動人體的異常行為識別,研究內(nèi)容分為目標(biāo)的有效跟蹤和異常行為識別兩點:一、通過混合高斯背景建模的背景差分法實現(xiàn)視頻下運動人體快速檢測,實時記錄每個目標(biāo)的運動軌跡,當(dāng)目標(biāo)正常行走時采用經(jīng)驗距離結(jié)合分塊直方圖匹配的方法進行跟蹤;當(dāng)目標(biāo)出現(xiàn)遮擋、交匯和丟失的情況時,采用卡爾曼濾波結(jié)合區(qū)域光流角點跟蹤算法,對目標(biāo)運動的位置進行預(yù)測的同時利用光流角點的微觀跟蹤進行位置校正,實現(xiàn)每個目標(biāo)的有效跟蹤。二、通過區(qū)域加權(quán)光流直方圖初步確定可能打架的目標(biāo),再使用SVM分類器結(jié)合HOG特征訓(xùn)練的上半身攻擊行為分類器檢測是否具有打架動作,最后通過加權(quán)梯度直方圖對檢測到的出拳胳膊位置計算直方圖變化率,變化頻率高于閾值且持續(xù)20幀以上則識別為打架行為;通過搭建異常速度模型,比對區(qū)域光流異常的位置信息,結(jié)合卡爾曼濾波算法進行搶劫行為的識別。最后通過多次實驗證明,上述方法可以對打架和搶劫這兩項異常行為進行有效的識別,準(zhǔn)確率較高。
[Abstract]:At present, in the mass surveillance video, the bad behaviors such as fights and robberies, can not be observed continuously for a long time with artificial eyes. How to detect and identify abnormal behavior in surveillance video in real time is a research topic in the field of intelligent security. This paper mainly studies the recognition of abnormal behavior of moving human body in complex background environment and multi-human flow environment. The research content is divided into two aspects: effective tracking of target and recognition of abnormal behavior. The background differential method of hybrid Gao Si background modeling is used to realize the fast detection of moving human body under video, and the moving track of each target is recorded in real time. When the target is walking normally, the method of empirical distance and block histogram matching is used to track the target. When the target appears occlusion, intersection and loss, the Kalman filter combined with the regional optical flow corner tracking algorithm is used to predict the moving position of the target, and the micro-tracking of the optical flow corner is used to correct the position of the target. Achieve effective tracking of each target. Secondly, by using the area weighted optical flow histogram to determine the possible target of fighting, and then using SVM classifier combined with HOG feature training of the upper body attack behavior classifier to detect whether there is a fight action, Finally, the change rate of histogram is calculated by weighted gradient histogram. The frequency of change is higher than threshold and lasts more than 20 frames, then it is recognized as fighting behavior. Comparing the location information of regional optical flow anomaly, the robbery behavior is identified by Kalman filter algorithm. Finally, it is proved by many experiments that the above method can effectively identify the two abnormal behaviors of fighting and robbery, and the accuracy is high.
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【參考文獻】

相關(guān)期刊論文 前10條

1 田國會;尹建芹;閆云章;李國棟;;基于混合高斯模型和主成分分析的軌跡分析行為識別方法[J];電子學(xué)報;2016年01期

2 陳健虞;劉闊;湛永松;;基于卡爾曼粒子濾波框架的魯棒多人跟蹤算法[J];計算機工程與設(shè)計;2015年10期

3 桑海峰;郭昊;徐超;;基于運動特征的人體異常行為識別[J];中國科技論文;2014年07期

4 張建;;基于行走軌跡的異常行為分析[J];中國公共安全;2013年20期

5 黃國范;李亞;;人體動作姿態(tài)識別綜述[J];電腦知識與技術(shù);2013年01期

6 李劍峰;黃增喜;劉怡光;;基于光流場估計的自適應(yīng)Mean-Shift目標(biāo)跟蹤算法[J];光電子.激光;2012年10期

7 謝立;胡玲玲;呂一品;熊剛;陳耀武;;面向智能視頻監(jiān)控系統(tǒng)運動目標(biāo)檢測的輪廓提取方法[J];東南大學(xué)學(xué)報(自然科學(xué)版);2012年S1期

8 黃斯茜;李光;;智能視頻監(jiān)控系統(tǒng)運動目標(biāo)檢測技術(shù)研究綜述[J];信息通信;2012年04期

9 李海霞;范紅;;基于背景差法的幾種背景建模方法的研究[J];工業(yè)控制計算機;2012年07期

10 陳翔;陳鵬;;基于改進模板匹配的目標(biāo)跟蹤算法[J];計算機應(yīng)用;2011年S2期

相關(guān)博士學(xué)位論文 前6條

1 葉芳芳;監(jiān)控視頻中的異常行為檢測研究[D];浙江大學(xué);2014年

2 廖彬;單目視頻中的光流場估計技術(shù)研究[D];華南理工大學(xué);2011年

3 王書朋;視頻目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2009年

4 盧宗慶;運動圖像分析中的光流計算方法研究[D];西安電子科技大學(xué);2007年

5 沈志民;搶劫罪研究[D];吉林大學(xué);2004年

6 馬賡宇;基于HMM的時間序列聚類與識別[D];清華大學(xué);2004年

相關(guān)碩士學(xué)位論文 前7條

1 湯貝;基于模板匹配的目標(biāo)跟蹤算法研究[D];長沙理工大學(xué);2013年

2 劉朵;基于特征描述子的目標(biāo)跟蹤研究[D];西安電子科技大學(xué);2013年

3 張彥杰;人體異常行為檢測技術(shù)的研究[D];天津大學(xué);2012年

4 馮柯;交通視頻中視點無關(guān)目標(biāo)分類與檢索方法研究[D];杭州電子科技大學(xué);2009年

5 成偉;均值漂移算法在視頻目標(biāo)跟蹤中的應(yīng)用[D];重慶大學(xué);2009年

6 陳宜穩(wěn);視頻序列中人的異常行為檢測研究[D];國防科學(xué)技術(shù)大學(xué);2007年

7 代凱乾;單目圖像序列的目標(biāo)跟蹤算法研究[D];國防科學(xué)技術(shù)大學(xué);2006年

，

本文編號：2131743