学位论文 > 优秀研究生学位论文题录展示
视频中的异常事件发现技术研究
作 者: 郑小超
导 师: 雷蕴奇
学 校: 厦门大学
专 业: 计算机技术
关键词: 异常检测 集成学习 区域生长 方向熵
分类号: TP391.41
类 型: 硕士论文
年 份: 2014年
下 载: 19次
引 用: 0次
阅 读: 论文下载
内容摘要
视频监控是图像处理领域的一个重要应用方向,但目前针对异常事件发现的视频监控系统智能化程度还不能满足现代社会人们对于安全性的需求。实验室前课题组在研究了相关智能视频监控技术的基础上,实现了人群聚集事件检测、暴乱恐慌事件检测和多人场景下的姿态动作检测。本文主要研究了智能监控中的异常事件发现技术,并尝试在前课题组研究的基础上实现更多的事件发现功能,包括遗留物体、取走物体、徘徊和跌倒。本文主要工作如下:首先,研究了视频中感兴趣目标,包括静态物体和人物目标的检测方法,简要分析了常用的目标检测算法。考虑到需要同时检测静态和动态的目标,本文采用了背景减除法提取前景目标区域,并用运动特征和外观特征判断前景区域对应于物体还是人物。在此基础上,用区域生长算法区分遗留物体区域和取走物体区域,并据此检测异常物体事件。其次,本文研究了运动人体目标的跟踪方法,采用了基于集成学习的方法对判定为人物目标的前景区域进行跟踪。在获得人物运动轨迹后,分别计算运动方向变化熵和绝对运动方向熵以判断运动轨迹是否是徘徊轨迹,从而检测人物徘徊事件。为了弥补了目标检测的不足,引入基于颜色直方图的人物定位,能够在一定程度上克服遮挡的影响。在目标检测的基础上,基于运动特征识别跌倒的人物。在上述研究的基础上,针对前景检测,跟踪,异常事件发现分别在厦大视频库进行了实验。结果表明在特定场景下,本文的方法能够比较有效地识别和区分遗留物体、取走物体、徘徊等异常事件并对人物跌倒进行检测,进一步完善了课题组视频监控系统的事件发现功能。
|
全文目录
摘要 4-5 Abstract 5-10 Contents 10-13 第一章 绪论 13-19 1.1 论文研究目的与意义 13 1.2 国内外研究现状 13-16 1.2.1 学术项目研究 14-15 1.2.2 产品应用研究 15-16 1.3 视频数据集 16 1.4 论文研究内容与章节安排 16-19 第二章 视频预处理 19-27 2.1 灰度化与二值化 19-20 2.2 数学形态学方法 20-24 2.2.1 平滑滤波 20-23 2.2.2 腐蚀与膨胀 23-24 2.3 本章小结 24-27 第三章 感兴趣目标的检测和跟踪 27-51 3.1 常用的目标检测方法 27-32 3.1.1 光流法 27 3.1.2 VIBE 27-28 3.1.3 背景减除法 28-31 3.1.4 区域连通处理 31-32 3.2 基于颜色直方图的人物定位 32-40 3.2.1 颜色空间与直方图 32-33 3.2.2 用颜色直方图进行目标匹配 33-38 3.2.3 改进的颜色直方图特征 38-40 3.3 基于集成学习的目标跟踪 40-50 3.3.1 Haar特征与积分图 40-41 3.3.2 集成学习 41-43 3.3.3 目标跟踪 43-46 3.3.4 实验与分析 46-50 3.4 本章小结 50-51 第四章 异常事件发现 51-71 4.1 异常事件检测方法 51-52 4.2 遗留物体/取走物体 52-59 4.2.1 研究现状简介 52-54 4.2.2 提取静态前景 54-55 4.2.3 区分遗留物体和取走物体 55-57 4.2.4 实验与分析 57-59 4.3 徘徊事件 59-67 4.3.1 研究现状简介 60 4.3.2 多目标跟踪 60-61 4.3.3 徘徊轨迹判定 61-65 4.3.4 实验与分析 65-67 4.4 跌倒识别 67-69 4.4.1 研究现状简介 67 4.4.2 基于运动特征的跌倒识别 67-69 4.4.3 实验结果 69 4.5 本章小结 69-71 第五章 总结与展望 71-73 5.1 本文研究总结 71 5.2 进一步的研究与展望 71-73 参考文献 73-79 攻读硕士学位期间发表论文及科研情况 79-81 致谢 81
|
相似论文
- 基于核方法的高光谱图像异常检测算法研究,TP751
- 基于视频的人机交互方式研究,TP391.41
- 基于改进的Snake模型的肝脏分割方法的研究,TP391.41
- 基于建筑物的着色点云平面区域分割研究,TP391.41
- 虹膜识别的定位算法研究,TP391.41
- 基于投影寻踪回归的网络异常检测机制研究,TP393.08
- 基于医学图像序列匹配的分割及三维建模研究,TP391.41
- 微光像增强器的分辨力和荧光屏疵点检测技术研究,TN144
- 基于数据挖掘算法的蛋白质相互作用及其活性位点研究,TP311.13
- 基于基因表达谱的肿瘤分类方法研究,R730.2
- 主流形学习及应用,TP181
- 基于集成学习的垃圾短信多级分类技术研究,TN929.53
- 集成学习算法研究,TP181
- 基于专家委员会的主动学习算法研究,TP181
- 集成学习及其应用研究,TP181
- 基于递归神经网络与集成算法的时间序列预测应用研究,TP183
- 基于粒子群优化算法的支持向量机集成学习方法研究,TP181
- 基于多任务的多层次选择性集成学习的研究,TP181
- 网络流量异常检测算法,TP393.06
- 基于数据源优化的高光谱图像异常检测算法研究,TP751.1
- 朴素贝叶斯分类器的集成学习方法研究,TP181
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|