基于时空特征的异常行为识别研究-计算机应用技术专业论文.docx

万方数据 万方数据 独 创 性 声 明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作 及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为 获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与 我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的 说明并表示谢意。 签名： 日期： 年 月 日 关于论文使用授权的说明 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘， 允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全 部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。 （保密的学位论文在解密后应遵守此规定） 签名： 导师签名： 日期： 年 月 日 万方数据 万方数据 摘要 摘 要 随着社会的进步，物质文明和精神文明的不断提高，人们对于安全的重视程 度越来越高，因此视频监控系统已经广泛应用于金融、交通、工业等各个领域。 由于科技的蓬勃发展和多媒体技术的不断提高，我国的监控系统已逐渐由传统的 模拟监视系统向数字监控系统、新兴的网络多媒体监控系统转变，其智能化程度 也越来越高。在智能监控系统中，其主要处理流程是采集实时视频图像，从中提 取出运动目标区域，对得到的前景图像进行噪声去除和阴影抑制等预处理，再对 运动目标进行实时跟踪，最后对运动人体的行为进行理解与描述，并对异常行为 予于报警。但传统智能监控系统往往达不到准确性、鲁棒性和实时性等评估要求。 为了达到准确性、鲁棒性和实时性等目标，本文在自适应混合高斯背景模型 基础上得出了基于时空模型的改进算法，提取出运动目标区域；但由于光照等外 部环境的变化，必然产生大量的噪声，为此得出了基于区域高斯模型的噪声处理 算法；同时由于阴影的存在，造成了目标形状的改变，因此实现了基于 HSV 颜色 空间的阴影消除算法，但是其处理效果不佳，提出了一种基于 HSI 颜色空间的阴 影消除改进算法，从而得到了理想的运动目标区域。 为了识别打架斗殴等异常行为，本文分析了其主要特征信息，针对在监控场 景中人数较少的交互异常行为，实现了基于异步隐马尔科夫模型与对称非对称行 为层次结构模型的多人异常行为识别算法。而针对在人数较多的场景下的群体异 常行为，本文在传统光流特征的基础上得出了基于动态能量模型的群体异常行为 识别算法。通过实验表明，本文中阐述的两种异常行为识别算法具有良好的性能 和广泛的应用空间。 关键词：视频监控，异常行为识别，AHMMS，SAAHSM，动态能量模型 I ABSTRACT ABSTRACT Along with the development of the society, the improvement of material and spiritual civilization, people pay more and more attention to safety, so video surveillance systems have been widely used in finance, transport, industry and other fields. Due to the rapid growth of the science technology and the increasing maturity of multimedia technology, our monitoring systems have been gradually changed from traditional analog video surveillance systems to digital supervisory systems and the emerging network multimedia surveillance systems. And the degree of their intelligence is becoming increasingly higher and higher. In the intelligent monitoring systems, the main process flow is to collect real-time video images, extract the region of moving objects, remove noise and suppress shadow from the foreground image, and then real-timely track moving