实时视频监控系统中运动目标检测与异常行为识别

摘要

智能视频监控是利用自动视频分析方法来进行视频监控的一种技术。作为安防的有效手段,实时智能视频监控系统正越来越受到人们的重视。
　　 本文针对实时智能安全监控方面的应用需求,设计了相应的人体运动分析系统,完成了真实环境中运动人体的检测与跟踪,并在此基础上,实现了系统对于视频监控范围内人体行为的主动分析,能够对一些异常的人体行为做出识别,使得安全监控系统达到真正的“智能化”。
　　 在运动目标检测和提取研究方面,本文首先总结了当前常用的几种算法,分析了每种算法的优势和缺陷,并针对这些常用算法存在的不足,提出了一种改进的算法。这种改进的算法使用混合高斯模型进行背景建模,然后使用帧差法进行前景提取,并且进一步做了去噪、去阴影处理,同时通过有选择性的更新,进一步解决了这种算法所引起的“空洞”问题。试验证明本算法可以得到更清晰、更精确的运动目标轮廓。
　　 在人体行为识别方面,本文采用了两种不同的方法。一种是传统的利用模板匹配法,把每一个采样时刻的运动人体轮廓当作一个基本动作,然后组成标准的人体行为序列模板。使用snake主动轮廓线模型,提取出精确的前景运动目标轮廓,有效的避免目标内部的不连续,之后用白色像素将轮廓线内部进行填充,得到完整的运动目标图像。采用图像相似度算法,将此图像与模版中的图像进行比较,如果两者的相似度在一定阈值范围内,即认为是规范行为,否则为异常行为。另一种是将质心和矩形长宽比相结合的算法,根据运动目标的质心和外围矩形的一些约束条件来判定行为是否异常。实验证明该方法较之模板匹配法更简单有效,检测准确率也更高。

目录

文摘

英文文摘

第一章 绪论

1.1 课题研究背景和意义

1.1.1 视频监控系统的背景

1.1.2 实时智能视频监控的主要优势

1.1.3 应用场所

1.2 运动目标检测发展现状

1.3 行为识别

1.3.1 行为识别发展背景

1.3.2 人体运动行为识别的发展趋势

1.4 论文结构安排

第二章 运动图像处理技术

2.1 OPENCV图像处理背景知识

2.1.1 OpenCV背景知识

2.1.2 OpenCV在行为识别系统中的应用

2.2 图像处理基础

2.2.1 图像平滑

2.2.2 中值滤波

2.3 数学形态学基础

2.3.1 数学形态学简介

2.3.2 腐蚀、膨胀运算

2.3.3 开、闭运算

2.4 本章小结

第三章 运动目标检测

3.1 常用目标检测方法分析比较

3.1.1 各种目标检测方法

3.1.2 各种运动目标检测方法比较

3.2 混合高斯模型背景检测法

3.2.1 算法流程

3.2.2 混合高斯模型

3.3 算法改进

3.3.1 去除阴影

3.3.2 前景去噪

3.3.3 空洞处理

3.4 实验结果分析

3.5 本章小结

第四章 异常行为识别技术

4.1 运动人体行为识别系统方案

4.2 SNAKE主动轮廓线模型

4.2.1 原始snake模型

4.2.2 改进的snake模型

4.3 图像相似度对比算法

4.3.1 Hu不变矩

4.3.2 加权Hu不变矩

4.3.3 图像相似度

4.4 其他异常行为检测方法

4.4.1 目标行为质心的计算方法

4.4.2 质心和矩形长宽比结合判断异常行为

4.5 本章小结

第五章 系统设计及实验结果

5.1 系统设计平台框架图

5.2 软件实验界面

5.3 实验结果分析

5.4 本章小结

第六章 总结与展望

6.1 本文总结

6.2 未来研究方向展望

致谢

参考文献

作者在攻读硕士学位期间的研究成果