基于机器视觉的露台人体危险行为检测

发布时间：2024-02-25 04:49

　　随着信息技术的发展和人们居住条件的改善,使得人们对家庭安全保护的意识得到空前增强。凭借网络技术的高速发展,人们可以在不在监控范围内的同时依旧得知住宅内部发生的异常情况。日常家庭生活中,露台是危险的多发地带。一方面,室外部分,小偷的入侵可能会给家庭带来财产上的损失,甚至会威胁到人身安全。另一方面,室内部分,家长无法时时刻刻陪伴儿童,儿童攀爬露台导致坠楼的惨剧时有发生。针对以上问题,对露台人体危险行为的检测进行研究。在危险行为检测的过程中,人体行为特征的提取部分,对LBP特征提取算法进行改进,提高目标检测的准确性。使用以判断质心位置为基础的形态判定方法,进一步降低了算法的误检率。危险行为检测的流程分为运动目标的检测,人体行为特征的提取以及人体行为的分类三个部分。运动目标检测部分经过对比实验后采用ViBe算法。由于其能使用单帧图像建立背景模型的特性,提升了运算速度和运算稳定性。接着对运算得到的图像帧进行处理,进一步减少图像噪声的影响。为了提高目标检测的准确性,对传统LBP算法的过程进行分析,由于其仅考虑了直接与像素点中心点靠近的点,忽略其他周围点的有用信息,由此使得对边缘信息并不是很敏感。通...

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

图2.1帧间差分法流程

的阈值小或者与值相等，则视为该处有运动物体[17]。将做差分运算的两帧图像记为第k帧和第k+1帧，它们的帧图像分别记为1(,)kfxy+(,)kDxy，将这两帧图像中对应的地方所有像素点的灰度值相减获得差分图像，用(,)xy表示，则帧间差分法的公式如下....

图2.4帧差法检测结果

够使得样本值适用性更强。一个样本值在t时刻不变的可能性是N。在连续时提下，在经过极小时间dt后，样本值不发生变化的可能性为：()1(,)()tdttNPttdtN++=（2-7也可以写作：1ln()(,)NdtNPttdte....

图2.5背景减除法检测结果

2.4实验与分析2.4.1试验结果对比以上介绍了三种目标检测的方法，接下来对这三种方法结合实际拍摄的照片进行对比，从而选出最适合本实验的方法。帧差法效果如图2.4所示：a)b)图2.4帧差法检测结果a)原图b)检测结果背景减除法效果如图2.5所示：

图2.6ViBe算法检测结果

图2.6ViBe算法检测结果缺点对比分法优点是法简单，不易受环境光线影响。缺点是对静法分辨。而当目标运动速度很快时，容易出现残影或者重别造成很大的影响[24]。除法优点在于算法比较简单，运算速度较快，可以满足一定程度上克服了环境光线的影响。缺点是当场景为动态变化，即使是由噪....

本文编号：3910106