基于數(shù)據(jù)挖掘技術(shù)的智能視頻監(jiān)控異常分析方法研究.pdf

1、智能視頻監(jiān)控是機器視覺研究領(lǐng)域的一個熱點問題，具有重要的實用價值和廣闊的發(fā)展前景。智能視頻監(jiān)控技術(shù)主要包括對視頻序列的自動目標(biāo)檢測、目標(biāo)跟蹤、目標(biāo)識別和行為理解等方面的內(nèi)容。在一些場合，對監(jiān)控場景中人群事件的分析也是智能視頻監(jiān)控研究的重要內(nèi)容之一。本文運用數(shù)據(jù)挖掘技術(shù)，針對人群的異常識別方法進(jìn)行了研究，主要包括人群的密度估計和數(shù)量估計、人群的聚散模式識別和低密度人群的異常行為識別三部分內(nèi)容。
　　 運用圖像的紋理分析方法實現(xiàn)對人

2、群的密度和數(shù)量的估計。首先進(jìn)行目標(biāo)檢測得到目標(biāo)的前景圖像，然后計算人群圖像的灰度共生矩陣，以灰度共生矩陣的對比度、熵、能量和均勻度為特征值，運用支持向量機對人群的密度進(jìn)行估計，同時采用線性回歸方法實現(xiàn)人群的數(shù)量估計。由于提取目標(biāo)圖像的紋理特征，克服了背景對估計結(jié)果的影響，提高了估計的準(zhǔn)確性。
　　 針對中高密度人群，提出一種基于運動角點統(tǒng)計特性的人群聚散事件識別的改進(jìn)方法。方法首先提取圖像的角點，然后采用背景差法提取前景目標(biāo)并建

3、立掩模模板，利用模板掩模獲取目標(biāo)角點，最后通過分析目標(biāo)角點的協(xié)方差矩陣行列式值的變化規(guī)律，分別采用閾值法和支持向量機的方法，實現(xiàn)人群聚散模式的識別。實驗結(jié)果表明改進(jìn)的方法克服了人群聚集后靜止目標(biāo)的角點被判作背景角點的影響，提高了識別的準(zhǔn)確性。
　　 針對低密度人群的異常行為分析，采用基于目標(biāo)跟蹤的方法實現(xiàn)低密度人群的異常行為識別。首先運用Meanshift算法對目標(biāo)進(jìn)行跟蹤，提取目標(biāo)的運動速度、速度變化幅度和軌跡變化幅度等特征，