本文關鍵詞：視覺關鍵詞稀疏表示的全局異常事件檢測研究

  更多相關文章： 全局異常事件檢測 HMOFP 視覺關鍵詞 K-means聚類 稀疏表示

【摘要】：由于很多不法分子為了破壞公共秩序危害人們的生命安全,在很多人群密集的公共場所實施犯罪行為,如地鐵站、火車站、商場等,其破壞力極大,所以公共安全越來越引起世界各個國家的重視,視頻監(jiān)控異常檢測技術的研究成為該領域的主要方向之一。本文結合計算機視覺、圖像處理、模式識別等相關知識,提出了HMOFP特征稀疏表示與視覺關鍵詞稀疏表示的全局異常事件檢測研究的方法,具體研究如下：(1)本文采用改進的最大光流投影直方圖(HMOFP)方法提取特征,首先利用HS光流算法提取光流場,舍棄幅值過小的光流減少計算時間,然后將0°-360°平均分割為八個方向區(qū)域,光流矢量按照方向分布在八個不同的方向區(qū)域,取某方向中所有光流矢量在其角平分線上的最大投影值作為該方向的特征描述子。(2)正常行為模式字典的構建是本文的重點研究之一。本文基于特征的相似性與最大光流投影直方圖特征(HMOFP)的性質,提出了一種新的字典優(yōu)化算法,首先對一定數(shù)量連續(xù)的正常幀提取HMOFP特征作為正常行為模式的初始字典,然后利用K-means進行聚類,將同一類中所有特征每一行的最大值組成的列向量作為優(yōu)化后字典的一個原子(也就是一列),所有類的列向量組成的矩陣構成優(yōu)化后的正常行為模式字典。(3)本文提出的第二種字典構建的方法基于特征的相似性與圖像的視覺關鍵詞,同樣取一定數(shù)量連續(xù)的正常幀,首先對幀圖像進行分塊處理,利用改進的HMOFP提取局部子區(qū)域特征,然后對所有的局部子區(qū)域特征進行K-means聚類處理,將類中心級聯(lián)構成整幀圖像運動信息的視覺關鍵詞,最后所有正常幀的視覺關鍵詞構成了正常行為模式的字典。(4)利用OMP算法與正常行為模式字典求出待測樣本的稀疏表示系數(shù),根據(jù)稀疏重構代價原理(SRC)進行異常事件檢測。通過設定閾值,大于等于該閾值的判斷為異常事件,小于閾值的判斷為正常事件。實驗結果表明,基于HMOFP特征稀疏表示的全局異常事件檢測方法準確率達到91%以上；視覺關鍵詞稀疏表示的全局異常事件檢測方法準確率達到97%以上,能夠有效地進行擁擠場景全局異常事件檢測。
【關鍵詞】：全局異常事件檢測 HMOFP 視覺關鍵詞 K-means聚類 稀疏表示
【學位授予單位】：北京交通大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41;TN948.6
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-11
• 1 引言11-16
• 1.1 課題研究背景與意義11-12
• 1.2 國內外研究現(xiàn)狀12-14
• 1.2.1 國內外研究現(xiàn)狀12-13
• 1.2.2 國外研究狀況13-14
• 1.3 本文的研究內容14
• 1.4 論文的組織結構14-16
• 2 異常事件檢測相關綜述16-32
• 2.1 異常狀態(tài)定義16
• 2.2 特征提取算法16-23
• 2.2.1 Horn-Schunck光流算法17-19
• 2.2.2 Lucas-Kanade光流算法19-21
• 2.2.3 光流直方圖(HOF)21-22
• 2.2.4 本文的特征提取算法22-23
• 2.3 稀疏表示相關研究23-28
• 2.3.1 稀疏表示理論24-25
• 2.3.2 稀疏表示求解算法25-27
• 2.3.3 稀疏表示在計算機視覺中的應用27-28
• 2.4 字典的構建及優(yōu)化28-31
• 2.4.1 特征相似性與視覺關鍵詞29-30
• 2.4.2 K-means聚類算法30-31
• 2.5 本章小結31-32
• 3 基于HMOFP特征稀疏表示的全局異常事件檢測32-41
• 3.1 運動特征的提取32-33
• 3.2 正常行為模式字典的構建及優(yōu)化33-35
• 3.3 全局異常事件檢測35-36
• 3.4 實驗結果與對比分析36-40
• 3.4.1 實驗數(shù)據(jù)與評價標準36-37
• 3.4.2 實驗結果與分析37-39
• 3.4.3 對比分析39-40
• 3.5 本章小結40-41
• 4 視覺關鍵詞稀疏表示的全局異常事件檢測41-46
• 4.1 運動特征的提取41
• 4.2 常行為模式字典的構建41-43
• 4.3 全局異常事件檢測43
• 4.4 實驗結果與對比分析43-45
• 4.4.1 實驗結果與分析43-44
• 4.4.2 對比分析44-45
• 4.5 本章小結45-46
• 5 總結與展望46-48
• 5.1 總結46-47
• 5.2 展望47-48
• 參考文獻48-52
• 作者簡歷及攻讀碩士/博士學位期間取得的研究成果52-54
• 學位論文數(shù)據(jù)集54

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 李映;張艷寧;許星;;基于信號稀疏表示的形態(tài)成分分析:進展和展望[J];電子學報;2009年01期

2 趙瑞珍;王飛;羅阿理;張彥霞;;基于稀疏表示的譜線自動提取方法[J];光譜學與光譜分析;2009年07期

3 楊蜀秦;寧紀鋒;何東健;;基于稀疏表示的大米品種識別[J];農(nóng)業(yè)工程學報;2011年03期

4 史加榮;楊威;魏宗田;;基于非負稀疏表示的人臉識別[J];計算機工程與設計;2012年05期

5 高志榮;熊承義;笪邦友;;改進的基于殘差加權的稀疏表示人臉識別[J];中南民族大學學報(自然科學版);2012年03期

6 朱杰;楊萬扣;唐振民;;基于字典學習的核稀疏表示人臉識別方法[J];模式識別與人工智能;2012年05期

7 耿耀君;張軍英;袁細國;;一種基于稀疏表示系數(shù)的特征相關性測度[J];模式識別與人工智能;2013年01期

8 張疆勤;廖海斌;李原;;基于因子分析與稀疏表示的多姿態(tài)人臉識別[J];計算機工程與應用;2013年05期

9 李正周;王會改;劉梅;丁浩;金鋼;;基于形態(tài)成分稀疏表示的紅外小弱目標檢測[J];彈箭與制導學報;2013年04期

10 胡正平;趙淑歡;李靜;;基于塊稀疏遞推殘差分析的稀疏表示遮擋魯棒識別算法研究[J];模式識別與人工智能;2014年01期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 何愛香;劉玉春;魏廣芬;;基于稀疏表示的煤矸界面識別研究[A];虛擬運營與云計算——第十八屆全國青年通信學術年會論文集（上冊）[C];2013年

2 樊亞翔;孫浩;周石琳;鄒煥新;;基于元樣本稀疏表示的多視角目標識別[A];2013年中國智能自動化學術會議論文集（第五分冊）[C];2013年

3 葛鳳翔;任歲玲;郭鑫;郭良浩;孫波;;微弱信號處理及其研究進展[A];中國聲學學會水聲學分會2013年全國水聲學學術會議論文集[C];2013年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 李進明;基于稀疏表示的圖像超分辨率重建方法研究[D];重慶大學;2015年

2 王亞寧;基于信號稀疏表示的電機故障診斷研究[D];河北工業(yè)大學;2014年

3 姚明海;視頻異常事件檢測與認證方法研究[D];東北師范大學;2015年

4 黃國華;蛋白質翻譯后修飾位點與藥物適應癥預測方法研究[D];上海大學;2015年

5 王瑾;基于稀疏表示的數(shù)據(jù)收集、復原與壓縮研究[D];北京工業(yè)大學;2015年

6 王文卿;基于融合框架與稀疏表示的遙感影像銳化[D];西安電子科技大學;2015年

7 解虎;高維小樣本陣列自適應信號處理方法研究[D];西安電子科技大學;2015年

8 秦振濤;基于稀疏表示及字典學習遙感圖像處理關鍵技術研究[D];成都理工大學;2015年

9 薛明;基于稀疏表示的在線目標跟蹤研究[D];上海交通大學;2014年

10 孫樂;空譜聯(lián)合先驗的高光譜圖像解混與分類方法[D];南京理工大學;2014年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 吳麗璇;基于稀疏表示的微聚焦X射線圖像去噪方法[D];華南理工大學;2015年

2 趙孝磊;基于圖像分塊稀疏表示的人臉識別算法研究[D];南京信息工程大學;2015年

3 黃志明;基于辨別式稀疏字典學習的視覺追蹤算法研究[D];華南理工大學;2015年

4 張鈴華;非約束環(huán)境下的稀疏表示人臉識別算法研究[D];南京信息工程大學;2015年

5 賀妍斐;基于稀疏表示與自適應倒易晶胞的遙感圖像復原方法研究[D];南京信息工程大學;2015年

6 楊爍;電能質量擾動信號的稀疏表示/壓縮采樣研究[D];西南交通大學;2015年

7 應艷麗;基于低秩稀疏表示的目標跟蹤算法研究[D];西南交通大學;2015年

8 梁曉捷;基于網(wǎng)絡攝像頭與稀疏表示分類法的實時人臉識別系統(tǒng)應用研究[D];五邑大學;2015年

9 張宏樂;語音信號稀疏表示方法研究[D];太原理工大學;2016年

10 郭欣;基于K-SVD稀疏表示的語音增強算法研究[D];太原理工大學;2016年

，

本文編號：745272