基于视频的场景分析和异常行为识别

摘要

近些年来，随着视频数据的快速增长，建立有效的视频可视化系统，对系统中的这些数据进行智能化的管理，成为一个急需解决的问题。最引人注目的研究是人类的视觉系统是如何迅速、准确和全面的认识和理解复杂的视觉世界。在一个视频场景中，与理解相关的内容叫做“场景分析”。在计算机视觉中，场景分析近年来取得了一些巨大的进步,尤其是在物体的分类、定位和事件检测上。另外一方面，智能监控下的的视频异常行为识别，越来越得到重视。这是由于它不仅能够节省大量的人力，而且能够解决传统视频监控的滞后性。本文从理论和实际出发，针对场景中的路标、特定场景中的遮挡人脸以及暴力行为，进行了深入的研究，并提出了行之有效的对应的解决算法。本文的主要研究内容和贡献包括以下四个方面：
　　基于视频的路标检测在助驾系统中起着重要的作用。本文设计一个鲁棒并且快速的路标检测系统，主要提出了三级层次的检测框架，其中包括关键帧选取模块、分割模块和检测模块。在关键帧选取阶段，本文提出一种快速准确的视频关键帧选取策略。在分割模块，本文提出了基于颜色对抗性的方法来产生候选的路标区域，这种方法简单有效，可以为检测模块节省大量的时间。在检测阶段，本文修改了传统的快速的径向对称变化算法，通过引入点对的投票机制，提出改进的径向对称变换以获取更高的准确率，用基于形状的方法来处理上述产生的候选区域，以检测出正确的路标。在很多数据集上的验证实验论证了本文算法的高效性和实时性。
　　基于ATM取款机的犯罪行为已经得到了广泛的关注。犯罪分子为了避免身份暴露故意遮挡自己的脸部。为了解决这个问题，本文提出了一种基于ATM场景下的简单快速鲁棒的人脸遮挡检测算法，这种算法能够处理任何情况下的遮挡人脸检测问题。首先本文创新性地设计了基于高斯能量函数的头部定位算法，这种算法充分利用了人体头肩部形成的轮廓特征。然后设计了基于贝叶斯框架的头部跟踪算法，该算法很好地融合了形状和直方图的信息。最后设计了基于三种颜色空间的肤色提取算法，为了更好地判别一个人脸是否异常，本文将肤色检测和人脸模板融合到Adaboost中，利用级联的优势，得到了更具有判别性的分类结果。实验结果表明本文算法可以达到98.64%的人脸检测率和98.65%的遮挡人脸验证率，整个设计的系统可以达到每秒钟12帧的处理速度。
　　暴力检测是监控系统领域的一个热门话题，但是它相对研究的比较少。本文提出了一种快速和鲁棒的暴力检测的框架。主要的贡献包括两个方面。首先，提出了光流的高斯模型(GMOF)来提取候选的暴力区域。然后，提出一种新的描述子，也就是改进的光流方向直方图(OHOF)，它是通过密采样候选的暴力区域，在多个尺度上建立一个时空特征描述子来对暴力行为进行检测。该算法不但可以检测出暴力行为，而且还能定位出暴力发生的区域。最后，实验结果论证了本文提出的算法不但具有较高的检测率，而且处理速度非常快。
　　最后，本文从另外一个角度解决暴力检测问题。本文提出运动韦伯特征(MoWLD)和稀疏表示分类相结合的方式对视频中的暴力行为进行检测。首先，从输入视频中用高斯滤波去除一些噪声，然后再提取出MoWLD特征，紧接着，基于核密度估计的算法对原始特征进行降维处理，这样可以得到更为有效的特征。然后，本文提出改进的稀疏分类模型用于特定类字典的学习。在这个模型里面，表达约束项和系数调整项被提出用于字典的学习，使得学习的词典具备更强的判别能力。表达约束项可以控制系数的重构误差，从而更好地提高分类的准确性。系数调整项可以确保目标特征的分类误差，从而可以确保不同类的特征更加突出。因此提出的两个增加项可以使得模型具备更强的判别能力。最后相应的分类机制被提出用来对视频中的暴力行为特征进行分类。实验结果论证了本文提出的特征和模型都具备较强的判别性。

目录

声明

缩略词对照表

第一章 绪论

1.1 研究背景及意义

1.2 国内外相关技术的研究现状

1.3 论文的结构及主要贡献

第二章 基于视频的场景路标检测

2.1 引言

2.2 关键帧提取算法

2.3 基于颜色对抗性的路标区域分割

2.4 路标检测

2.5 实验结果和分析

2.6 本章小结

第三章 ATM监控场景下的异常人脸识别

3.1 引言

3.2 前景提取算法

3.3 头部检测算法

3.4 头部跟踪

3.5 人脸异常判别算法

3.6 实验结果与分析

3.7 本章小结

第四章 基于光流高斯模型的视频暴力检测

4.1 引言

4.2 相关工作介绍

4.3 提取候选的暴力区域

4.4 暴力验证

4.5 实验结果和分析

4.6 本章小结

第五章 基于稀疏分类和运动韦伯特征的暴力检测

5.1 引言

5.2 运动韦伯(MoWLD)特征提取

5.3 稀疏分类模型和字典学习

5.4 实验结果和分析

5.5 本章小结

第六章 本文工作总结与展望

6.1 本文工作总结

6.2 未来工作展望

参考文献

攻读学位期间发表的学术论文目录

致谢

攻读学位期间参与的项目