攝像機(jī)異常檢測(cè)及分類的算法研究.pdf

1、智能視頻監(jiān)控系統(tǒng)目前已經(jīng)廣泛應(yīng)用于國(guó)民生活的各個(gè)領(lǐng)域，如交通的流量監(jiān)控，銀行自助廳的搶劫事件檢測(cè)，公眾場(chǎng)所的安全監(jiān)控等等。然而隨著對(duì)視頻監(jiān)控系統(tǒng)需求的不斷增加，它所面臨的干擾事件也不斷增多。這些干擾事件使監(jiān)控畫(huà)面出現(xiàn)異常，對(duì)智能視頻分析的后續(xù)流程造成嚴(yán)重的影響。當(dāng)攝像機(jī)受到嚴(yán)重干擾時(shí)，無(wú)法采集監(jiān)控場(chǎng)景中的圖像畫(huà)面，可能會(huì)導(dǎo)致視頻監(jiān)控系統(tǒng)失去作用，給公共區(qū)域的經(jīng)濟(jì)造成損失，甚至公共區(qū)域的安全也受到威脅。所以快速地檢測(cè)出攝像機(jī)的異常情況有著

2、重要的實(shí)際應(yīng)用意義。
　　本文針對(duì)智能視頻監(jiān)控系統(tǒng)中的攝像機(jī)異常檢測(cè)及分類問(wèn)題，做出了詳細(xì)的分析和討論，主要研究以下三個(gè)方面的工作：
　　本文提出一個(gè)新穎的背景映射模型，用來(lái)描述在復(fù)雜環(huán)境中視頻畫(huà)面的靜止內(nèi)容。該背景映射模型是由視頻序列中每一幀的映射背景圖組成的，還具有隨機(jī)更新映射背景圖的更新策略。本文將該背景映射模型與GMM、VIBE、SACON以及PBAS四種背景建模法進(jìn)行實(shí)驗(yàn)比較。結(jié)果表明，本模型對(duì)實(shí)現(xiàn)攝像機(jī)異常檢測(cè)有

3、相對(duì)較高的檢測(cè)率，其合理性和有效性得到驗(yàn)證。
　　本文提出一套基于本文所提出的背景映射模型的攝像機(jī)異常檢測(cè)算法。此算法是利用本文背景映射模型中的映射背景圖，結(jié)合Canny邊緣檢測(cè)算子，提取當(dāng)前灰度圖和映射背景圖的邊緣特征，構(gòu)造邊緣特征函數(shù)，并將之與自適應(yīng)的決策閾值比較大小來(lái)分析攝像機(jī)是否有異常發(fā)生。最后本文在收集的17個(gè)小時(shí)122段視頻集以及公共的視頻數(shù)據(jù)庫(kù)上，與以前相關(guān)的5種攝像機(jī)異常檢測(cè)算法進(jìn)行實(shí)驗(yàn)比較。實(shí)驗(yàn)結(jié)果表明，我們提出

4、的算法具有較低的時(shí)間復(fù)雜度和較高的檢測(cè)率。
　　本文建立一套基于多特征結(jié)合的攝像機(jī)異常分類算法。該算法的主要功能是實(shí)現(xiàn)攝像機(jī)的失焦、遮擋和移位三種異常類型的分類。該算法在實(shí)現(xiàn)文本所提出的攝像機(jī)異常檢測(cè)算法的基礎(chǔ)上，提取每一異常幀包含圖像顏色、邊緣、紋理、角點(diǎn)以及變換域等方面的共12個(gè)特征，并結(jié)合C4.5分類算法來(lái)實(shí)現(xiàn)攝像機(jī)異常的分類。最后在六個(gè)不同的場(chǎng)景中與K近鄰、貝葉斯以及支持向量機(jī)三種分類器分別實(shí)現(xiàn)攝像機(jī)的異常分類。實(shí)驗(yàn)數(shù)據(jù)表