运动人体目标跟踪及异常行为识别

论文摘要

随着科学技术的发展,当今社会的人口密集程度越来越大,社会复杂程度越来越高,其突发的异常事件也越来越多,严重损害国家和人民的利益。运动人体目标跟踪及异常行为识别是模式识别与计算机视觉技术研究的重要领域之一,也是智能监控广泛应用的关键技术,在防控异常事件方面能起到重要作用。本文针对单个静止摄像机的运动人体目标跟踪及异常行为识别进行了深入研究,并将本文的方法通过运动人体的数据库进行了实验,证明了该方法的有效性。在运动人体目标跟踪及异常行为识别中,运动人体目标检测是关键基础。本文首先介绍了运动人体目标检测的光流法、帧差法、背景差分法三种基本方法并分析其优点与缺点,然后介绍了背景差分法中背景建模与更新中的经典算法,其经典算法为：中值滤波法、线性预测法、W4方法和本征方法等四种算法。然而这些经典背景建模方法存在不足,为了克服克服经典背景建模方法的缺点,本文提出了一种新的背景建模算法,即基于HSV彩色不变量的自适应的混合高斯的背景建模算法,该算法能够充分利用HSV空间中饱和度、色调、亮度三个颜色通道的有效信息,并且当运动人体的阴影覆盖前后区域以及光线变化时通过HSV空间中亮度V通道来自动调节背景模型学习率,从而使运动人体目标检测算法实现了闭环控制,增强了该背景建模算法的鲁棒性,最后利用本文的背景建模算法通过改进的Otsu算法和数学形态学处理提取出完整的运动人体目标。本文在运动人体目标的检测基础上对运动人体目标跟踪与异常行为识别进行了深入研究。首先用运动人体目标检测技术检测出运动人体目标的位置和大小,引入运动人体目标的带宽矩阵和目标倾斜角来描述运动人体目标的水平和垂直两个方向以及运动人体目标旋转运动,通过将运动人体目标的矩形进行分块,然后提取每块核函数进行加权梯度方向直方图,将目标模板与候选模板进行匹配,从而实现运动人体目标多个自由度跟踪；其次,本文将运动人体目标的高度、宽度和高度与宽度的比例系数作为运动人体组合特征,并将其存入到数据库中；最后,用支持向量机作为分类器进行训练、识别视频流的运动人体行为是否为异常行为。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题研究的背景和意义
• 1.2 行为识别数据库总结
• 1.3 行为分析综述
• 1.3.1 行为描述方法
• 1.3.2 行为识别
• 1.4 本文的主要内容和结构安排
• 第2章 运动人体目标检测
• 2.1 运动人体目标检测的基本方法
• 2.1.1 光流法
• 2.1.2 帧差法
• 2.1.3 背景差分法
• 2.2 背景建模及更新
• 2.2.1 自适应的混合高斯背景建模
• 2.3 运动人体目标的分割
• 2.3.1 二维Otsu阈值分割算法
• 2.3.2 二维Otsu自适应阈值的快速实现
• 2.4 运动人体目标的前景处理
• 2.5 运动人体目标提取方法
• 2.6 本章小结
• 第3章 运动人体目标跟踪
• 3.1 Mean Shift算法
• 3.1.1 无参密度估计理论
• 3.1.2 Mean Shift运动人体目标跟踪的基本原理
• 3.1.3 目标特征
• 3.1.4 相似性函数
• 3.2 多自由度的多核跟踪算法搜索过程
• 3.3 实验结果分析
• 3.4 本章小结
• 第4章 运动人体目标的异常行为识别
• 4.1 特征选择与提取
• 4.1.1 运动人体目标的特征提取
• 4.2 支持向量机
• 4.2.1 支持向量机原理
• 4.2.2 核函数
• 4.3 基于SVM的运动人体目标异常行为识别
• 4.4 实验结果分析
• 4.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢