基于异常事件检测的交通监控视频摘要

摘要

随着交通场景中监控摄像头的数目越来越多，监控视频数据迅速增长，然而监控场景中发生的事件只有一部分才是人们关注的重点。本文将人们关注的一类事件定义为异常事件，并提出算法将视频中的异常事件整合成视频摘要概要地展示视频的人们关注的主要内容。
　　本文提出基于异常事件的交通视频监控方法主要分成三个部分，分别是检测跟踪得到运动事件、通过分类检测到异常事件以及整合成视频摘要。对给定视频中的视频帧提取特征结合带隐变量的支持向量机逐帧检测视频中的目标，匹配检测结果得到视频中运动轨迹，将其表示为运动事件。分析其中异常事件的特点建立一个结合Bootstrapping的随机森林模型做分类。最后提出基于关键帧以及基于关键区域的视频摘要提取算法。基于关键帧的视频摘要提取算法通过筛选包含异常事件检测区域的视频帧，然后整合成新视频实现。基于关键区域的提取算法实现了目标关键区域的最优化重组，拼接组合成新的图像帧生成视频。
　　本文中提出的方法针对交通场景中的异常事件进行分析，最终实现视频摘要的算法。实验表明该算法具有较高的检测准确率及计算效率，实现了视频的精简压缩。

目录

声明

摘要

第1章 绪论

1．1 课题背景

1．2 课题难点

1．3 本文工作

1．3．1 基于CUDA的目标检测跟踪及管理

1．3．2 基于随机森林的异常事件检测

1．3．3 异常事件视频摘要

1．4 本文组织结构

1．5 本章小结

第2章 异常事件检测及视频摘要综述

2．1 目标检测跟踪

2．1．1 目标检测

2．1．2 目标跟踪

2．2 异常事件检测

2．2．1 基于特征和HMM的异常事件检测

2．2．2 基于运动轨迹的徘徊事件检测

2．3 视频摘要

2．3．1 基于关键帧的视频摘要

2．3．2 视频中运动事件的总结

2．4 本章小结

第3章 异常事件检测

3．1 研究背景

3．2 目标检测跟踪及管理

3．2．1 基于分类的目标检测

3．2．2 目标跟踪

3．3 交通监控视频中异常事件检测

3．3．1 基于运动事件轨迹的特征提取

3．3．2 基于随机森林的事件分类

3．4 本章小结

第4章 视频摘要

4．1 研究背景

4．2 异常事件视频摘要

4．2．1 基于关键帧的视频摘要算法

4．2．2 基于关键区域的视频摘要算法

4．3 本章小结

第5章 总结和展望

5．1 工作总结

5．2 未来展望

参考文献

攻读硕士学位期间主要的研究成果

致谢