学位论文 > 优秀研究生学位论文题录展示

智能视频监控系统中人体异常行为检测与识别研究

作　者: 王浙沪
导　师: 陈庆章；宦若虹
学　校: 浙江工业大学
专　业: 计算机应用技术
关键词: 智能视频监控 异常行为检测 徘徊轨迹 人体行为识别 非负矩阵分解 隐马尔可夫模型
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 126次
引　用: 0次
阅　读: 论文下载
 

内容摘要


近几年来,智能视频监控逐渐成为计算机视觉领域的一个新兴应用方向,它与传统意义上的监控系统的区别主要在于其智能性,即智能视频监控不仅用摄像机代替人眼,而且用计算机来代替人、协助人,从而完成监视或控制任务并减轻人的负担。这样不但节省了大量的人力、物力和财力,更重要的是它能够及时发现监控场景中的异常状况来避免各类异常事件的发生。因此,智能视频监控以其广泛的应用前景和巨大的潜在经济价值渐渐引起了国内外学者以及研究机构的关注。智能视频监控系统是一个涵盖了图像处理,模式识别,人工智能等诸多技术的综合应用,而本文主要针对智能视频监控中的目标徘徊轨迹检测以及人体异常行为识别两个应用方向中的关键问题进行研究,主要的研究内容及成果如下:1.简述了智能视频监控系统的发展现状,并对现有人体徘徊轨迹检测以及行为识别方法进行学习和研究,包括一些徘徊轨迹判断方法,以及Hu矩,Zernike矩和R变换等人体行为特征提取方法并分析其不足。2.针对当前轨迹检测方法的不足,本文提出了一种基于角度的人体徘徊轨迹检测与分析方法。该方法以一种通用的算法根据运动目标的行为轨迹实时进行各类徘徊行为判断,实验结果表明,该方法不需要任何训练样本,可最大程度地减少算法的时间复杂度和空间复杂度。3.提出了一种基于非负矩阵分解(NMF)和隐马尔可夫模型(HMM)的人体行为识别的方法。将非负矩阵分解方法应用于人体行为特征的提取,通过确定每一个视频序列的基矩阵及基向量数,最终得到其特征矩阵;使用隐马尔可夫模型对提取的特征进行行为识别与分类,通过Baum-Welch算法估计HMM最优参数,并比较每一类行为在各分量上的似然值来完成识别过程。通过与采用Hu矩和R变换来进行人体行为特征提取的方法相比较,实验结果表明该方法能够较好的进行人体行为识别,识别率明显高于另外两种方法,对于提高智能视频监控系统的人体行为自动分析能力具有重要意义。4.设计与实现了一个小型的智能视频监控系统,将本文所提出的两个算法和一些其他基本功能整合协调,统一起来对监控场景进行综合处理。该系统对本文所提出的算法进行了验证和实现,在实际应用上证明了其可行性。

全文目录


摘要  5-7
ABSTRACT  7-14
第1章 绪论  14-20
  1.1 背景及意义  14-15
  1.2 国内外研究现状及分析  15-17
    1.2.1 智能视频监控系统现状及分析  15-16
    1.2.2 人体异常行为识别技术发展现状  16-17
  1.3 研究目标和内容  17-18
    1.3.1 研究目标  17
    1.3.2 研究内容  17-18
  1.4 论文组织  18-19
  1.5 本章小结  19-20
第2章 徘徊轨迹检测与行为识别方法概述  20-30
  2.1 引言  20
  2.2 目标徘徊轨迹检测与判断方法概述  20-24
  2.3 人体行为识别方法概述  24-29
    2.3.1 人体行为特征提取方法  24-28
    2.3.2 行为识别与分类方法  28-29
  2.4 本章小结  29-30
第3章 基于角度的人体徘徊轨迹检测方法  30-38
  3.1 引言  30
  3.2 基于角度的人体徘徊轨迹检测方法  30-35
    3.2.1 算法描述  30-31
    3.2.2 算法实现流程  31-35
  3.3 实验结果与分析  35-37
  3.4 本章小结  37-38
第4章 基于NMF 和 HMM 的人体行为识别方法  38-53
  4.1 引言  38
  4.2 非负矩阵分解(NMF)概述  38-41
    4.2.1 NMF 算法的基本理论  39
    4.2.2 NMF 算法的目标函数  39-40
    4.2.3 NMF 算法的迭代规则  40-41
  4.3 隐马尔可夫模型(HMM)概述  41-46
    4.3.1 HMM 的定义  41-42
    4.3.2 HMM 主要问题的解决方案  42-45
    4.3.3 连续HMM  45-46
  4.4 基于NMF 和HMM 的人体行为识别方法  46-49
    4.4.1 算法描述  46-47
    4.4.2 算法实现流程  47-49
  4.5 实验结果与分析  49-52
    4.5.1 实验数据  49-50
    4.5.2 结果与分析  50-52
  4.6 本章小结  52-53
第5章 智能视频监控系统的设计与实现  53-62
  5.1 引言  53
  5.2 系统功能要求  53
  5.3 系统模块设计  53-54
  5.4 系统实现  54-57
    5.4.1 OpenCV 库介绍  55
    5.4.2 系统流程设计  55-57
  5.5 系统运行演示  57-61
  5.6 本章小结  61-62
第6章 总结与展望  62-65
  6.1 总结  62-63
  6.2 展望  63-65
参考文献  65-69
致谢  69-70
攻读学位期间参加的科研项目和成果  70-71

相似论文

  1. 联合聚类算法研究及应用,TP311.13
  2. 基于稀疏非负矩阵分解的图像检索,TP391.41
  3. 人群行为分析算法研究与实现,TP391.41
  4. 基于非负矩阵分解的高光谱遥感图像混合像元分解研究,TP751.1
  5. 基于信号完整性分析的视频监控系统硬件设计,TN79
  6. 视频监控系统中相关图像处理技术的研究与实现,TP391.41
  7. 智能交通视频监控系统中关键技术研究,TP391.41
  8. 视频监控报警跟踪技术的研究与实现,TP391.41
  9. 基于视频序列的运动人体行为分析关键技术研究与实现,TP391.41
  10. 基于计算机视觉的三维人机交互技术研究及应用,TP391.41
  11. 基于图像序列的运动目标检测与人脸跟踪,TP391.41
  12. 铁路机车智能视频监控系统算法研究,TP391.41
  13. 基于DSP的运动目标检测系统的实现,TP391.41
  14. 基于形状特征的人体行为识别方法研究,TP391.41
  15. 智能视频监控系统中运动目标的检测与跟踪,TP391.41
  16. 面向智能视频监控的事件检测建模及优化,TP391.41
  17. 基于人脸检测和跟踪的智能监控系统的设计与实现,TP391.41
  18. 银行数字监控管理平台中IVS的应用研究,TP277
  19. 基于DSP的智能视频监控系统硬件平台的设计与实现,TP277
  20. 基于视频序列的人体行为识别研究,TP391.41

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