本文關(guān)鍵詞：基于OpenCV的行人異常檢測系統(tǒng)的設(shè)計與實現(xiàn)，由筆耕文化傳播整理發(fā)布。

【摘要】：保障公共安全一直是一個社會焦點問題。社會發(fā)展到今天,在我們的生活中經(jīng)常能夠看到攝像頭,說明隨著現(xiàn)代科技的不斷進步,視頻監(jiān)控系統(tǒng)已經(jīng)十分普及。它們?yōu)槲覀兊纳钐峁┝嗽S多安全保障,對于事后的調(diào)查取證起到了重要的作用。同時,計算機圖像處理和信息科技的大規(guī)模應(yīng)用,也與視頻監(jiān)控系統(tǒng)逐漸結(jié)合起來,為人們提供智能檢測和預(yù)警機制。如果視頻監(jiān)控系統(tǒng)能夠在有異常行為發(fā)生時,自動地檢測到異常并向人們報警,將會大大提高人們的工作效率,及早地發(fā)現(xiàn)異常并進行處理,這樣也會盡量減少異常行為給公共安全帶來的危害。本次研究主要通過分析視頻中行人運動的特征,檢測符合定義的異常行為的場景,及時發(fā)出警告。本文重點關(guān)注使用光流法對運動進行檢測和跟蹤,分析運動特性,檢測異常行為。行人的異常行為可以有很多種,在本文中,主要定義及關(guān)注視頻中的以下幾種行人的異常行為:行人打架斗毆等暴力行為,行人越過禁止入內(nèi)的區(qū)域,特定場合的行人逆行,并對每種異常行為建立判斷模型,應(yīng)用在異常檢測系統(tǒng)中。雖然運動目標檢測、識別、分析的方法有很多,在本文中主要關(guān)注的是光流法,用光流法對視頻中的運動目標進行跟蹤檢測,通過運動時產(chǎn)生的光流信息對人的行為進行分析,判斷是否屬于異常的行為。全局光流的運算量較大,而金字塔Lucas-Kanade算法可以減少計算量,使用這個方法對運動產(chǎn)生的光流進行檢測。金字塔Lucas-Kanade算法的跟蹤過程是迭代的光流法計算過程,收斂速度比較快。它基于特征點進行跟蹤,在跟蹤光流前需要檢測出運動圖像中的特征點,特征點數(shù)量可控且不是很多,因此算法的計算量也不是很大。檢測Harris角點,用這些特征點進行后續(xù)的分析,從而提高檢測的效率。本文控制了特征點的一些屬性,并通過方法上的一些優(yōu)化,使跟蹤效果更好。通過金字塔Lucas-Kanade方法跟蹤分析這些特征點光流,獲得特征點在圖像中的光流特性,進行運動估計。最后,引入光流直方圖,用來更清楚地描述運動物體的運動光流相關(guān)的特征。文中采用基于幅值的方向直方圖,不僅反映光流的方向分布,還可以結(jié)合光流的幅值分析運動信息。同時定義了運動能量的計算方法,對視頻中一幀圖像包含的特征點能量值進行計算,針對每種異常的運動模型,根據(jù)運動特征、光流直方圖的特征以及能量的特征,對不同的異常行為建立異常檢測模型,當(dāng)系統(tǒng)檢測到符合的可能異常行為后,自動發(fā)出警報。本次設(shè)計在Open CV的基礎(chǔ)上實現(xiàn),并根據(jù)具體情況進行了相應(yīng)的改進,有效實現(xiàn)行人異常行為的檢測。
【關(guān)鍵詞】：光流法 OpenCV 光流直方圖 異常行為模型
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要4-6
• Abstract6-10
• 第1章 緒論10-15
• 1.1 研究背景與研究意義10-11
• 1.2 研究現(xiàn)狀11-12
• 1.3 本文研究內(nèi)容12-14
• 1.4 論文組織結(jié)構(gòu)14-15
• 第2章 目標特征描述15-21
• 2.1 Harris角點15-18
• 2.2 SIFT特征點18-19
• 2.3 對Harris角點算法的應(yīng)用19-20
• 2.4 本章小結(jié)20-21
• 第3章 光流法運動檢測21-30
• 3.1 Lucas-Kanade方法21-23
• 3.2 Horn-Schunck方法23-25
• 3.3 金字塔Lucas-Kanade光流25-29
• 3.4 本章小結(jié)29-30
• 第4章 行人異常檢測系統(tǒng)的實現(xiàn)30-44
• 4.1 系統(tǒng)開發(fā)及測試環(huán)境30-31
• 4.2 OpenCV簡介31
• 4.3 運動視頻處理過程31-32
• 4.4 光流直方圖32-35
• 4.5 特征點能量的表示35-36
• 4.6 幾種異常行為的識別36-43
• 4.6.1 打架斗毆行為的檢測36-38
• 4.6.2 行人越界檢測38-41
• 4.6.3 行人逆行檢測41-43
• 4.7 本章小結(jié)43-44
• 第5章 結(jié)論與展望44-46
• 5.1 總結(jié)44
• 5.2 不足與展望44-46
• 參考文獻46-49
• 作者簡介及在學(xué)期間所取得的科研成果49-50
• 致謝50

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 李艷萍;林建輝;楊寧學(xué);;一種基于SIFT特征光流的運動目標跟蹤算法[J];計算機科學(xué);2015年11期

2 逯鵬;梁玉;陳樹偉;;基于角點動能的視頻群體異常行為檢測[J];鄭州大學(xué)學(xué)報(工學(xué)版);2015年03期

3 王滿一;宋亞玲;李玉;張良;;結(jié)合區(qū)域光流特征的時序模板行為識別[J];系統(tǒng)仿真學(xué)報;2015年05期

4 何鵬;安井然;楊曼;;基于區(qū)域光流法的人體異常行為檢測[J];電視技術(shù);2015年07期

5 張飛燕;李俊峰;;基于光流速度分量加權(quán)的人體行為識別[J];浙江理工大學(xué)學(xué)報;2015年01期

6 汪雙承;管業(yè)鵬;;基于粒子流和能量模型的異常行為檢測[J];電子器件;2014年06期

7 羅超宇;李小曼;李浩;;基于光流能量的人體異常行為檢測研究[J];計算機與網(wǎng)絡(luò);2014年21期

8 劉賞;梁茜;董林芳;;“幀平均加速度”人群異常運動檢測算法[J];計算機工程與應(yīng)用;2015年21期

9 劉紅;周曉美;張震;;一種改進的三幀差分運動目標檢測[J];安徽大學(xué)學(xué)報(自然科學(xué)版);2014年06期

10 宋爽;楊健;王涌天;;全局光流場估計技術(shù)及展望[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2014年05期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1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

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前8條

1 夏紅麗;中小學(xué)校視頻監(jiān)控中的行人檢測方法研究[D];蘇州大學(xué);2014年

2 王芝斌;光流場的實時計算方法研究[D];江南大學(xué);2014年

3 鄒薇;行人多目標檢測與跟蹤技術(shù)研究[D];蘇州大學(xué);2014年

4 楊陽;基于視頻的運動目標檢測和跟蹤技術(shù)[D];浙江大學(xué);2014年

5 楊輝;智能視頻監(jiān)控中運動目標檢測與預(yù)警的研究與實現(xiàn)[D];江蘇科技大學(xué);2014年

6 彭懷亮;視頻監(jiān)控場景中人群異常行為識別研究[D];中國計量學(xué)院;2014年

7 楊之杰;視頻監(jiān)控中異常場景檢測與分析研究[D];上海交通大學(xué);2014年

8 董穎;基于光流場的視頻運動檢測[D];山東大學(xué);2008年

  本文關(guān)鍵詞：基于OpenCV的行人異常檢測系統(tǒng)的設(shè)計與實現(xiàn)，由筆耕文化傳播整理發(fā)布。

，

本文編號：310393