安防系统中基于视觉的异常行为分析算法研究与实现

摘要

智能视频监控技术能自主对场景中的异常行为进行识别，面对日渐严峻的安全形势，其应用越来越广泛。目前大多数异常行为分析系统单纯从图像像素角度进行分析，不同场景下识别复杂行为具有一定的局限性。本文针对这一问题，利用基于单目视觉的摄像机标定技术，对原有的异常行为分析算法进行改进，具有研究意义和应用价值。
　　本文首先研究了摄像机标定技术，实现了地平面像素坐标到实际坐标的转换，并对目标成像大小进行估计，对于提高后续处理算法的通用性具有重要意义。对于目标检测，采用基于混合高斯背景建模的背景减除法，增加了模型再匹配环节，以获得更完整的前景目标;参考估计的目标成像大小进行目标合并和筛选，以适应不同视频场景。对于目标跟踪，选择Kalman和Meanshift相结合的方法，增加了Meanshift跟踪窗口自适应调整功能，利于减少目标跟踪丢失次数;生成实际坐标轨迹，利于提高行为分析的准确性。对于异常行为分析，设计了区域入侵、尾随、徘徊三种典型安防异常行为分析算法。最后，设计并实现了基于视觉的异常行为分析原型系统，验证本文算法，实验结果表明，本文算法能够满足安防系统准确性和实时性要求。
　　本课题研究立足于安防需求，期待对安防系统的智能化发展做出贡献。

目录

声明

摘要

第一章 绪论

1．1 研究背景及意义

1．2 国内外研究现状

1．2．1 摄像机标定

1．2．2 目标检测

1．2．3 目标跟踪

1．2．4 行为分析

1．3 本文研究内容

1．4 本文组织结构

第二章 基于单目视觉的坐标转换算法设计

2．1 摄像机成像原理

2．1．1 常用坐标系

2．1．2 摄像机成像模型

2．2 摄像机标定方法

2．2．1 传统标定方法

2．2．2 自标定方法

2．2．3 算法比较和选择

2．3 坐标转换算法设计

2．3．1 实验

2．3．2 实验结果分析

2．4 本章小结

第三章 目标检测算法设计

3．1 常见目标检测技术

3．1．1 背景减除法

3．1．2 帧间差分法

3．1．3 其他方法

3．1．4 算法比较和选择

3．2 目标检测算法设计

3．2．1 背景相关处理

3．2．2 模型再匹配

3．2．3 形态学处理和阴影去除

3．2．4 目标合并和筛选

3．3 目标检测算法结果分析

3．4 本章小结

第四章 目标跟踪算法设计

4．1 常见的目标跟踪技术

4．1．1 Kalman滤波

4．1．2 Meanshift算法

4．1．3 算法比较和选择

4．2 目标跟踪算法设计

4．2．1 建立跟踪模版

4．2．2 自适应调整跟踪窗口

4．2．3 特征匹配

4．2．4 跟踪模板更新

4．3 目标跟踪算法结果分析

4．4 本章小结

第五章 异常行为分析算法设计

5．1 异常行为分析算法设计

5．1．1 区域入侵行为

5．1．2 尾随行为

5．1．3 徘徊行为

5．2 异常行为分析算法结果分析

5．3 本章小结

第六章 异常行为分析原型系统设计与实现

6．1 系统总体设计

6．1．1 系统功能需求

6．1．2 系统总体架构

6．2 开发环境

6．3 系统实现

6．3．1 系统界面

6．3．2 模块实现

6．4 系统测试

6．4．1 区域入侵行为

6．4．2 尾随行为

6．4．3 徘徊行为

6．4．4 性能测试

6．5 本章小结

第七章 总结与展望

致谢

参考文献

攻读硕士学位期间发表的学术论文