基于視頻的軌跡提取及行人異常行為檢測技術(shù)的研究.pdf

1、隨著監(jiān)控視頻數(shù)據(jù)的日益增長，人工分析視頻的方式耗費人力的同時也增加了安全保障的成本，越來越不能滿足實際需要。此時，智能化的視頻分析方法顯得尤為重要，異常檢測作為其中的一個研究方向受到廣泛關(guān)注。異常檢測就是通過對視頻的分析檢測出其中出現(xiàn)的目標(biāo)異常行為、異常事件。視頻中運動目標(biāo)的軌跡包含了豐富的時空信息，可以用來推斷目標(biāo)的行為特征，有很高的研究價值。然而，目前常用的基于軌跡的分析方法大多算法復(fù)雜，停留在理論分析階段。
　　本文在研究了

2、基于軌跡的異常行為檢測的常規(guī)步驟的基礎(chǔ)上，提出并實現(xiàn)了從目標(biāo)的可靠軌跡提取到異常行為建模并檢測異常的實時行人異常行為檢測系統(tǒng)。系統(tǒng)主要包括運動目標(biāo)的實時檢測，穩(wěn)定跟蹤并提取軌跡，軌跡特征提取與學(xué)習(xí)和異常行為檢測四個階段。
　　首先，本文運用改進(jìn)的混合高斯模型進(jìn)行前景檢測，引入帶信任度的高斯分布和可變的學(xué)習(xí)率，加快了模型對場景的學(xué)習(xí)速度和背景建立過程。由于被檢測為前景的陰影會使得目標(biāo)形狀不規(guī)則且范圍較大，影響跟蹤過程，因此本文使用顏

3、色空間的基于最大色度差的方法進(jìn)行陰影消除，獲得更精確的目標(biāo)形狀，降低了前景區(qū)域發(fā)生遮擋的概率。
　　然后，對目標(biāo)的穩(wěn)定跟蹤進(jìn)行了研究，提出了結(jié)合前景位置匹配與均值漂移算法的目標(biāo)關(guān)聯(lián)方法，根據(jù)在跟蹤過程中可能出現(xiàn)的不同情況將目標(biāo)分成若干種狀態(tài)，并通過有限自動機進(jìn)行狀態(tài)管理，條件發(fā)生促使?fàn)顟B(tài)轉(zhuǎn)移，目標(biāo)從進(jìn)入視野到最后離開的整個過程都會得到相關(guān)記錄，因而可以提取出完整、可靠的軌跡信息。同時，對于場景內(nèi)的靜止目標(biāo)設(shè)置計時器，檢測目標(biāo)是否過

4、久停留。
　　最后，提取出每個軌跡點的速度、加速度、軌跡長度異常增長等信息組成固定長度的特征向量，構(gòu)建自組織特征網(wǎng)絡(luò)對這些特征向量進(jìn)行訓(xùn)練學(xué)習(xí)，得到場景區(qū)域內(nèi)正常軌跡點的一般特征及其拓?fù)浣Y(jié)構(gòu)，通過比較正常軌跡點與待檢測軌跡點的特征值來判斷軌跡點是否異常，將含有多個異常軌跡點的軌跡判斷為異常。
　　本文提出的方法能夠快速的檢測異常軌跡點，進(jìn)而對可疑的行人軌跡實時預(yù)警。通過對一個露天停車區(qū)域拍攝的視頻上進(jìn)行的實驗表明，該方法對異