智能監(jiān)控中目標檢測與異常行為識別算法研究.pdf

1、為了解決傳統(tǒng)視頻監(jiān)控工作效率低下、耗費人力物力等問題，本文通過對視頻數據流的分析，自動實現場景中的目標檢測，并在此基礎上進行目標行為分析、識別和理解，實現在監(jiān)控場景下發(fā)生異常行為的智能監(jiān)控和處理。具體的工作如下：
　　1）根據幾種經典的運動目標檢測算法構建一個框架，該框架在考慮性能和設計時間成本的情況下，隨著場景的變化，自適應地選擇最優(yōu)算法參數組合對運動目標進行檢測，并且運行時間能夠根據實時輸入進行自適應調節(jié)。有效解決不同場景下運

2、動目標檢測效果差異明顯的問題，從而增強檢測算法的通用性。
　　2）提出一種基于模糊迭代自組織數據分析聚類結合直方圖熵值算法對異常行為進行檢測。該算法通過模糊迭代自組織數據分析聚類方法獲取視頻關鍵幀并分類，從而減少計算復雜度。對三種異常行為進行建模，根據分類結果和建立的異常行為模型，采用直方圖熵值作為總特征對異常行為進行檢測，并與方向梯度直方圖結合支持向量機的異常行為檢測算法進行比較分析。
　　3）在不同場景下，分別對三種異常

3、行為的運動特征進行分析，獲取異常行為特征參數。設定三種異常行為判定準則，將異常行為檢測模型所定義的規(guī)則存儲到數據庫中，建立異常行為規(guī)則庫，給出異常行為規(guī)則匹配流程，分析檢測出的異常行為是否與規(guī)則匹配。實驗表明，所建立的異常行為規(guī)則庫能夠識別出具體異常行為。
　　綜上所述，在智能視頻監(jiān)控系統(tǒng)中構造的自適應檢測算法框架能夠解決單個檢測算法通用性不強的問題，文中提出的模糊迭代自組織數據分析聚類結合直方圖熵值的異常行為檢測算法相對于方向梯