基于计算机视觉的电梯轿厢内异常行为检测

摘要

针对电梯轿厢内暴力行为的日益增多，安全问题需要得到更多的关注。而目前的传统视频监控无法自动地检测异常行为，还需要人参与其中，其效率和准确性都不能令人满意。智能视频监控技术作为电梯轿厢内异常检测的必然发展趋势，能够克服传统视频监控的缺点，有效地识别异常行为。
　　 本文主要研究了智能视频监控中的数字图像处理、模式识别和计算机视觉等关键技术，探讨了一种电梯轿厢内异常行为检测方法。首先对四种基于减背景的人体前景提取算法进行了研究来提取人体前景，然后通过基于前景连通区域像素统计的人数判断方法，获取电梯轿厢内人数信息，最后针对单人和多人情况采取不同的异常行为检测方式。对于多人的情况，主要检测的是类似打斗这样的异常行为。通过采集电梯轿厢内的视频图像，计算人体前景像素数量的变化、前景外接矩形的长宽变化以及前景外接矩形的中心变化这三个相关特征，并组成三维人体运动特征向量。对于获得的三维特征向量，本文研究了三种聚类方法，并通过对特征向量数据使用聚类算法，得到观察符号序列。利用得到的观察符号序列对电梯轿厢内人体正常行为模式建立隐马尔可夫模型，根据与正常行为隐马尔可夫模式的比较来识别电梯轿厢内的多人异常行为。对于单人情况，主要检测的是类似于突发疾病而倒地长时间静止不动的异常行为。本文首先通过研究基于二值图的人体轮廓跟踪方法获取人体初始轮廓；然后研究了Snake方法，并通过此方法获得更接近人体形状的人体轮廓；最后通过Hausdorff算法来对连续两帧图像中获得的人体轮廓进行匹配度计算，通过计算一段时间内的人体前后帧的轮廓匹配程度，来判断人体是否处于长时间静止不动的异常状态。
　　 本文开发了基于Java语言的电梯轿厢内异常行为智能检测系统，详细介绍各个模块的实现，并在模拟的环境中进行了相关实验。实验结果显示了本文所使用的方法能够有效地检测电梯轿厢内多人打斗和单人长时间静止这样的异常行为。

目录

文摘

英文文摘

论文说明：图表目录

声明

第1章 绪 论

1.1课题背景和意义

1.2智能视频监控国内外研究现状

1.3人体行为识别国内外研究现状

1.3.1人体行为表征的研究现状

1.3.2行为识别技术研究现状

1.4研究现状分析及异常检测原理介绍

1.5研究内容

1.6论文章节安排

第2章 电梯轿厢内的人体前景提取及人数判断研究

2.1引言

2.2人体前景提取方法

2.2.1帧间差法

2.2.2光流法

2.2.3减背景算法

2.3基于减背景算法的人体前景提取

2.3.1基于码本的减背景算法

2.3.2基于非参数核密度估计的减背景算法

2.3.3基于LBP纹理减背景算法

2.3.4基于梯度纹理的减背景算法

2.3.5形态学处理

2.3.6人体前景提取实验结果与分析

2.4电梯轿厢内人数判断

2.4.1基于前景连通区域像素统计的人数判断方法

2.4.2基于头部特征检测的人数判断方法

2.5本章小结

第3章 电梯轿厢内人体运动特征获取

3.1引言

3.2多人情况运动特征提取

3.2.1聚类算法介绍

3.2.2聚类算法实验

3.3单人情况运动特征提取

3.3.1人体边缘轮廓提取

3.3.2 Snake处理后人体轮廓提取实验

3.4本章小结

第4章 电梯轿厢内人体行为建模与异常行为检测研究

4.1引言

4.2多人情况下的异常行为检测

4.2.1隐马尔可夫模型(HMM)的介绍

4.2.2隐马尔可夫模型在电梯轿厢内多人异常行为检测中的应用

4.2.3基于隐马尔可夫模型的多人异常行为检测实验

4.3单人情况下的异常行为检测

4.3.1 Hausdorff距离原理

4.3.2 Hausdorff距离在电梯轿厢内单人异常行为检测中的应用

4.3.3基于Hausdorff距离的电梯轿厢内单人异常行为检测实验

4.4本章小结

第5章 系统实现

5.1引言

5.2系统总体结构以及相关技术

5.2.1软件总体结构

5.2.2软件开发环境及相关技术介绍

5.3系统实现

5.3.1图像获取模块

5.3.2人数判断模块

5.3.3人体运动特征提取模块

5.3.4人体行为识别模块

5.4本章小结

第6章 全文总结及展望

6.1总结

6.2展望

参考文献

致谢

攻读学位期间参加的科研项目和成果