人体异常行为识别在监控系统中的应用研究

摘要

近年来计算机技术发展迅猛以及随之而来的室内外场所的安防需求增加，对检测异常事件的智能监控系统的需求也在持续提升。而监控摄像机数目的大幅增加使得监控多台监控设备的任务变得非常困难，容易引起人体疲劳造成工作疏忽。而非正常行为相对于正常行为发生的概率低。这样就使得监视的任务存在更大的挑战性和复杂性。具备人体异常行为识别监控功能的视频系统可以在很大程度上实时监测，并辨认出场景中的人是否发生异常情况，使得异常事件发生时及时获得处理，减少造成的损失，同时很大程度上节省消耗的资源，以最小的代价达到最优的效果。因此，智能视频监控系统相对于传统监控系统的成本优势和带来的经济价值以及其庞大的市场需求，引发了国内外研究学者和机构的关注。
　　智能视频监控系统与一般视频监控系统存在诸多不同之处，首要区别就是具有自主处理问题的能力，在遇到突发事件时能够及时处置，从而达到让计算机协助人类甚至替代人类对公共场所进行监控，最终达到减轻人工负担的目的。这种新型的处理方式对于视频监控领域、监控场景建模和视频图像的检索处理等许多应用具有极高的研究价值。
　　本文基于该领域已有的部分相关算法和理论，从运动目标的检测、人体目标的识别跟踪以及人体异常行为判断几个关键点入手，展开对人体异常行为识别在监控系统中应用的研究，主要工作及具体内容如下:
　　(1)对一些常见的运动目标检测算法的工作原理及实验方法进行介绍。对比了前景检测技术的常用算法:光流法、相邻帧差法、背景差法、边缘检测法等方法，分别简述了其算法原理及优缺点。之后重点学习研究了背景差法，使用ViBe算法进行背景建模，详细描述其核心思想算法原理及工作流程，并进行实验，验证效果。
　　(2)对人体目标的识别及跟踪的技术方法进行介绍。首先介绍了基于人体特征对运动目标是否为人体目标的识别方法:其次介绍了均值漂移算法思想及操作步骤。最后，应用MeanShift算法结合卡尔曼滤波器，对运动目标的跟踪进行效果实验。
　　(3)对异常行为的判别分类进行定义。对本文采用的区别条件详细介绍，通过将处理过的图像的运动特征与条件进行比对，判断是否为异常行为，通过实验对其进行验证。
　　(4)介绍本文实验所使用的实验平台、环境配置及整体结构流程等。本文中动态目标识别算法、人体目标跟踪算法、以及相关的图像处理均在Visual Studio2013平台和MATLAB2015进行实验。
　　最终通过对自行拍摄的视频片段及视频库中的视频数据等多组视频序列的处理，验证本文中所采用的对于人体异常行为识别的处理方法及使用的相关算法具有较好的实验效果和可行性。

目录

声明

摘要

第1章 引言

1．1 研究背景及意义

1．2 国内外研究现状

1．3 本文研究内容

1．3．1 运动目标的检测

1．3．2 人体目标的识别和跟踪

1．3．3 异常行为的判别

1．4 本文结构组织安排

第2章 结构流程及实验环境配置介绍

2．1 结构及流程

2．1．1 运动目标识别流程

2．1．2 人体目标识别追踪流程

2．1．3 人体行为判断流程

2．2 实验环境介绍及配置

2．2．2 OpenCV介绍及配置

2．2．3 MATLAB介绍

2．3 本章小结

第3章 运动目标的检测

3．1 运动目标的检测方法

3．1．1 背景差法

3．1．2 相邻帧差法

3．1．3 边缘检测法

3．1．4 光流法

3．2 背景差法

3．2．1 背景差法原理

3．2．1 ViBe算法原理

3．3 实验结果及分析

3．4 本章小结

第4章 人体目标的识别和跟踪

4．1 人体目标识别

4．1．1 基于人体特征的识别

4．1．2 高斯混合模型

4．2 人体目标的跟踪

4．2．1 目标跟踪概述

4．2．2 MeanShift算法简介

4．2．3 目标跟踪方法

4．3 卡尔曼滤波原理

4．4 实验结果及分析

4．5 本章小结

第5章 异常行为判断

5．1 运动行为分类

5．2 异常行为判断指标的获取

5．2．1 人体质心运动轨迹

5．2．2 人体运动宽高比例

5．2．3 人体运动轮廓

5．3 逻辑条件判断

5．4 实验结果及分析

5．5 本章小结

结论

致谢

参考文献

攻读学位期间取得学术成果