人體異常行為檢測技術的研究.pdf

1、在工業(yè)生產(chǎn)現(xiàn)場、生活社區(qū)、安全要求敏感等場合，視頻監(jiān)控有重要應用價值，對維護國家及公共安全有現(xiàn)實意義。人的異常行為檢測和識別是提高視頻監(jiān)控智能化程度的一個主要途徑，它融合了計算機視覺、模式識別、心理學、生理學等多項技術。目前大多數(shù)監(jiān)控系統(tǒng)沒有充分發(fā)揮主動監(jiān)督作用，對異常狀況的監(jiān)視仍然由人工完成。由于龐大的數(shù)據(jù)量及人為因素的影響，監(jiān)測效果令人堪憂。因此，在視頻序列中進行異常行為的檢測與分析十分重要。
　　 本文基于該領域已有的相關

2、算法和理論，從準確分割運動目標、確定跟蹤對象、異常行為定義及分析幾個關鍵點入手，展開研究，主要工作及具體內(nèi)容如下：⑴提出異常行為檢測系統(tǒng)的總體設計目標，規(guī)劃了實施方案，搭建了硬件平臺；⑵在運動目標檢測中，首先將與設備相關的RGB色彩圖像轉換為與人體視覺感知相似的HSI彩色空間圖像，從中提取色度和亮度特征，使分割特征滿足在光照變化和復雜背景情況下的可區(qū)分性。然后，應用基于中值濾波背景模型的背景減法提取前景圖像，通過連通域分析獲取人體目標的

3、位置信息；⑶選擇近似剛體的頭部作為跟蹤對象，研究了經(jīng)典的“凸”型模板頭部定位方法，針對其存在的問題提出相應的算法。選擇運算效率高的列積分圖方法快速計算模板的評價函數(shù)值，提出粗一精多步搜索策略解決頭部面積變化和位置偏離軀干中線等情況下的準確定位。以豎直橢圓代替頭部區(qū)域，然后提取其內(nèi)顏色特征，采用基于Mean Shift算法的粒子濾波方法實現(xiàn)運動人體跟蹤；⑷給出了三種具有隱蔽性的異常特征的定義，利用實時獲取的目標最小外接矩形的高寬及高寬比信