基于Markov隨機(jī)場(chǎng)的視頻異常挖掘研究.pdf

1、目前，視頻監(jiān)控在學(xué)校、車站、銀行和機(jī)場(chǎng)等公共場(chǎng)所中發(fā)揮中極其重要的作用，然而傳統(tǒng)的視頻監(jiān)控完全依靠人工進(jìn)行視頻信息處理，其事件和精度特征都難以滿足系統(tǒng)安全的需要，因此，采取智能的方法來處理這些海量的視頻監(jiān)控?cái)?shù)據(jù)以提高系統(tǒng)的有效性與可靠性是亟待解決的問題。近年來剛剛興起的視頻異常挖掘技術(shù)，是應(yīng)用數(shù)據(jù)挖掘技術(shù)實(shí)現(xiàn)圖像異常模式分析的多學(xué)科交叉課題，它融合了數(shù)據(jù)挖掘、圖像處理、計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)、模式識(shí)別與人工智能等研究領(lǐng)域，已經(jīng)在視頻監(jiān)控系

2、統(tǒng)發(fā)揮著重要的作用，其核心任務(wù)是從視頻底層特征中，提取出視頻序列中隱含的、潛在有用的知識(shí)和其他隱含的圖像模式。
　　本文從圖像處理和數(shù)據(jù)挖掘技術(shù)出發(fā)，以視頻異常事件檢測(cè)為核心任務(wù)，研究了智能視頻監(jiān)控系統(tǒng)的關(guān)鍵技術(shù)，本文所做的工作的和主要?jiǎng)?chuàng)新點(diǎn)有：
　　(1)提出一種面向固定攝像機(jī)環(huán)境下的運(yùn)動(dòng)目標(biāo)檢測(cè)方案，利用馬爾可夫隨機(jī)場(chǎng)與最大類方差法的混合模型對(duì)視頻序列進(jìn)行前景分割，以達(dá)到對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)的目的。該方法具有檢測(cè)精度好、訓(xùn)練與

3、檢測(cè)效率高、對(duì)噪聲不敏感的特點(diǎn)；
　　(2)提出了一種新的基于馬爾可夫鏈模型的異常行為檢測(cè)算法，該算法通過對(duì)象的局部特征對(duì)對(duì)象的行為特征向量進(jìn)行概率密度估計(jì)，不僅達(dá)到降維的目的，同時(shí)降低了行為分類檢測(cè)的復(fù)雜度。通過實(shí)驗(yàn)分析表明，該方法總體上達(dá)到了80％以上的正確檢查率；
　　(3)針對(duì)多人之間發(fā)生異常行為進(jìn)行研究，提出一種能準(zhǔn)確的辨識(shí)此類異常行為的異常算法。該算法在傳統(tǒng)的能量模式基礎(chǔ)上，根據(jù)馬爾可夫隨機(jī)場(chǎng)鄰域相關(guān)的特性，加入