基于SVM的室內(nèi)異常行為檢測算法研究.pdf

1、現(xiàn)有的視頻監(jiān)控系統(tǒng)大多關(guān)注于場景內(nèi)運動目標的檢測或跟蹤，然而，監(jiān)控的目的常常是對監(jiān)控場景中的異常事件或監(jiān)控對象的異常行為進行檢測、分析，在長時間視頻序列中采用人工處理此類工作既不實用也不經(jīng)濟。因此，在視頻監(jiān)控序列中進行異常檢測十分重要而且必要。 本文針對室內(nèi)環(huán)境中的異常行為進行檢測，分別研究了基于人體側(cè)面信息進行異常檢測的算法和利用正面信息進行異常檢測的算法。文中均采用支持向量機(SVM)作為識別算法，在自行采集的實驗數(shù)據(jù)庫上進

2、行了訓練和測試。 針對拍攝的人體側(cè)面運動視頻，本文指定跌倒為異常行為，其他行為為正常行為。文中選取質(zhì)心軌跡和人體輪廓寬度特征，采用線性核的SVM分類器進行異常行為的識別。實驗結(jié)果表明，該算法達到97％以上的檢出率和較低的誤檢率，同時擁有相對較低的計算代價。 對于正面的異常檢測，本文采用了一種基于網(wǎng)格技術(shù)的特征提取方法，將人體輪廓映射到一個二維數(shù)組，通過抽樣輪廓上的特征點，利用這些點的相對位置信息構(gòu)成特征向量，最后運用SV