监控视频中群体异常行为检测关键技术研究
发布时间：2022-08-11 11:49
监控视频中的群体异常行为检测是智能监控系统中的一个关键问题,也是计算机视觉领域内的一个研究热点。对于非拥挤场景,由于前景简单,群体异常行为检测识别较为容易。在拥挤场景下,由于背景杂乱,许多运动目标和事件会同时发生,极大地提升了群体异常行为检测的难度。在本文中,针对拥挤场景下的群体全局和局部异常行为检测问题,重点研究群体行为基本表示和异常行为检测模型,目的是提升群体异常行为检测的鲁棒性和准确性。主要的成果包括:（1）提出了最大光流投影直方图（Histogram of Maximal Optical Flow Projection,HMOFP）。光流作为一种低层视觉特征,在描述群体行为基本表示中具有明显的优势。为了解决背景噪声等对光流特征的干扰,突出群体正常状态和异常状态下运动特征的差异性,在对光流矢量按区间进行统计时,选取该区间内所有光流矢量在区间角平分线上的最大投影向量作为该区间的运动特征,从而消除区间内包含噪声在内的幅值较小的光流产生的不利影响。结合支持向量机,验证了提出的HMOFP在异常事件检测中的优越性和有效性。（2）提出了基于训练样本集合优化的字典构建方法。为了提升稀疏重建字典...
【文章页数】：152 页
【学位级别】：博士
【文章目录】：
致谢
摘要
ABSTRACT
1 绪论
1.1 研究背景及意义
1.2 研究现状
1.2.1 群体行为基本表示
1.2.2 异常行为检测模型
1.3 现阶段研究存在的主要问题
1.3.1 群体行为基本表示中存在的问题
1.3.2 异常行为检测模型中存在的问题
1.4 论文的主要研究内容
1.4.1 基于光流的群体行为基本表示的研究
1.4.2 稀疏重建中训练样本集合优化与字典构造方法
1.4.3 重构模型中对群体行为基本表示信息的充分利用
1.4.4 利用深度学习完成群体全局异常行为检测
1.5 论文的组织结构
2 监控视频中的群体异常行为检测方法综述
2.1 群体异常行为检测算法概述
2.1.1 基于传统方法的群体异常行为检测算法
2.1.2 基于深度学习的群体异常行为检测算法
2.2 群体异常行为检测公共数据库介绍
2.2.1 群体全局异常行为检测公共数据库
2.2.2 群体局部异常行为检测公共数据库
2.3 本章小结
3 基于最大光流投影直方图的群体异常行为检测
3.1 最大光流投影直方图
3.1.1 HS光流计算方法
3.1.2 最大光流投影直方图的计算方法
3.2 单类支持向量机
3.3 实验结果
3.3.1 实验流程
3.3.2 在数据库中对HMOFP的性能评价
3.4 本章小结
4 基于字典稀疏重建的群体异常行为检测
4.1 稀疏表示理论
4.2 训练样本集合优化与字典构造
4.2.1 训练样本集合优化
4.2.2 字典构造
4.3 实验结果
4.3.1 实验流程
4.3.2 评价标准
4.3.3 在数据库上对异常行为检测模型的性能评价
4.4 本章小结
5 基于低秩结构字典的群体异常行为检测
5.1 低秩矩阵理论
5.1.1 矩阵秩最小化理论
5.1.2 低秩矩阵恢复理论
5.2 低秩矩阵理论在群体异常行为检测上的应用
5.2.1 群体行为基本表示的提取
5.2.2 基于低秩紧致系数字典学习的群体异常行为检测
5.3 实验结果
5.3.1 在PETS 2009数据库上的实验结果
5.3.2 在UMN数据库上的实验结果
5.3.3 在UCSD数据库上的实验结果
5.3.4 在CUHK Avenue数据库上的实验结果
5.4 本章小结
6 基于深度学习的群体全局异常行为检测
6.1 深度学习在群体异常行为检测中的应用
6.2 群体全局异常行为检测
6.2.1 卷积神经网络
6.2.2 LSTM网络
6.2.3 深度预测网络
6.3 实验结果
6.3.1 在UMN数据库上的实验结果
6.3.2 在PETS 2009数据库上的实验结果
6.4 四种检测方法性能比较
6.5 本章小结
7 结论
7.1 论文工作总结
7.2 未来工作展望
参考文献
作者简历及攻读博士学位期间取得的研究成果
学位论文数据集
【参考文献】：
期刊论文
[1]中国及世界视频监控市场预测[J]. 迎九. 电子产品世界. 2018(08)
[2]基于视频的人群异常事件检测综述[J]. 吴新宇,郭会文,李楠楠,王欢,陈彦伦. 电子测量与仪器学报. 2014(06)
[3]从压缩传感到低秩矩阵恢复:理论与应用[J]. 彭义刚,索津莉,戴琼海,徐文立. 自动化学报. 2013(07)
[4]压缩感知理论及其研究进展[J]. 石光明,刘丹华,高大化,刘哲,林杰,王良君. 电子学报. 2009(05)
博士论文
[1]视频中的异常事件检测算法研究[D]. 冯亚闯.中国科学院大学(中国科学院西安光学精密机械研究所) 2016
本文编号：3674607
【文章页数】：152 页
【学位级别】：博士
【文章目录】：
致谢
摘要
ABSTRACT
1 绪论
1.1 研究背景及意义
1.2 研究现状
1.2.1 群体行为基本表示
1.2.2 异常行为检测模型
1.3 现阶段研究存在的主要问题
1.3.1 群体行为基本表示中存在的问题
1.3.2 异常行为检测模型中存在的问题
1.4 论文的主要研究内容
1.4.1 基于光流的群体行为基本表示的研究
1.4.2 稀疏重建中训练样本集合优化与字典构造方法
1.4.3 重构模型中对群体行为基本表示信息的充分利用
1.4.4 利用深度学习完成群体全局异常行为检测
1.5 论文的组织结构
2 监控视频中的群体异常行为检测方法综述
2.1 群体异常行为检测算法概述
2.1.1 基于传统方法的群体异常行为检测算法
2.1.2 基于深度学习的群体异常行为检测算法
2.2 群体异常行为检测公共数据库介绍
2.2.1 群体全局异常行为检测公共数据库
2.2.2 群体局部异常行为检测公共数据库
2.3 本章小结
3 基于最大光流投影直方图的群体异常行为检测
3.1 最大光流投影直方图
3.1.1 HS光流计算方法
3.1.2 最大光流投影直方图的计算方法
3.2 单类支持向量机
3.3 实验结果
3.3.1 实验流程
3.3.2 在数据库中对HMOFP的性能评价
3.4 本章小结
4 基于字典稀疏重建的群体异常行为检测
4.1 稀疏表示理论
4.2 训练样本集合优化与字典构造
4.2.1 训练样本集合优化
4.2.2 字典构造
4.3 实验结果
4.3.1 实验流程
4.3.2 评价标准
4.3.3 在数据库上对异常行为检测模型的性能评价
4.4 本章小结
5 基于低秩结构字典的群体异常行为检测
5.1 低秩矩阵理论
5.1.1 矩阵秩最小化理论
5.1.2 低秩矩阵恢复理论
5.2 低秩矩阵理论在群体异常行为检测上的应用
5.2.1 群体行为基本表示的提取
5.2.2 基于低秩紧致系数字典学习的群体异常行为检测
5.3 实验结果
5.3.1 在PETS 2009数据库上的实验结果
5.3.2 在UMN数据库上的实验结果
5.3.3 在UCSD数据库上的实验结果
5.3.4 在CUHK Avenue数据库上的实验结果
5.4 本章小结
6 基于深度学习的群体全局异常行为检测
6.1 深度学习在群体异常行为检测中的应用
6.2 群体全局异常行为检测
6.2.1 卷积神经网络
6.2.2 LSTM网络
6.2.3 深度预测网络
6.3 实验结果
6.3.1 在UMN数据库上的实验结果
6.3.2 在PETS 2009数据库上的实验结果
6.4 四种检测方法性能比较
6.5 本章小结
7 结论
7.1 论文工作总结
7.2 未来工作展望
参考文献
作者简历及攻读博士学位期间取得的研究成果
学位论文数据集
【参考文献】：
期刊论文
[1]中国及世界视频监控市场预测[J]. 迎九. 电子产品世界. 2018(08)
[2]基于视频的人群异常事件检测综述[J]. 吴新宇,郭会文,李楠楠,王欢,陈彦伦. 电子测量与仪器学报. 2014(06)
[3]从压缩传感到低秩矩阵恢复:理论与应用[J]. 彭义刚,索津莉,戴琼海,徐文立. 自动化学报. 2013(07)
[4]压缩感知理论及其研究进展[J]. 石光明,刘丹华,高大化,刘哲,林杰,王良君. 电子学报. 2009(05)
博士论文
[1]视频中的异常事件检测算法研究[D]. 冯亚闯.中国科学院大学(中国科学院西安光学精密机械研究所) 2016
本文编号：3674607
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3674607.html