視頻監(jiān)控系統(tǒng)下航站樓旅客異常行為檢測(cè)方法研究.pdf

1、機(jī)場(chǎng)航站樓作為民航交通和運(yùn)輸?shù)闹匾獦屑~之一，旅客吞吐量較高，屬于異常行為多發(fā)區(qū)域。而傳統(tǒng)的航站樓監(jiān)控系統(tǒng)因監(jiān)控點(diǎn)多且需人工監(jiān)測(cè)等特點(diǎn)顯得非常耗時(shí)費(fèi)力，已很難滿足機(jī)場(chǎng)安全管理的需要。因此，采用智能視頻分析技術(shù)，主動(dòng)對(duì)航站樓內(nèi)旅客異常行為進(jìn)行實(shí)時(shí)檢測(cè)并報(bào)警，能有效協(xié)助機(jī)場(chǎng)安保人員處理異常事件，完善機(jī)場(chǎng)對(duì)突發(fā)事件的快速反應(yīng)能力。本文主要對(duì)智能監(jiān)控下旅客群聚、奔跑以及遺留物體三種異常行為的檢測(cè)方法所涉及的關(guān)鍵技術(shù)進(jìn)行深入研究，主要內(nèi)容有：

2、>　　首先，視頻監(jiān)控下運(yùn)動(dòng)目標(biāo)的提取。在傳統(tǒng)高斯混合模型的基礎(chǔ)上，優(yōu)化高斯模型的均值及方差的更新機(jī)制，引入HSV空間陰影去除方法，從而克服初始建模速度慢且存在大量陰影的缺點(diǎn)，較好地重建視頻圖像的背景模型，實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的提取。
　　其次，旅客群聚和奔跑異常行為檢測(cè)，根據(jù)這兩種異常行為在人群密度和運(yùn)動(dòng)特征上的表現(xiàn)形式的差異，提出各自的判斷指標(biāo)對(duì)異常行為進(jìn)行檢測(cè)。采用攝像機(jī)透視效應(yīng)的加權(quán)前景面積以及前景的二維聯(lián)合信息熵設(shè)計(jì)人群密度指標(biāo)；

3、利用金字塔LK光流特征計(jì)算能量和加權(quán)方向直方圖熵對(duì)運(yùn)動(dòng)特征進(jìn)行定量描述。通過不同模擬機(jī)場(chǎng)航站樓場(chǎng)景下的視頻序列進(jìn)行測(cè)試，對(duì)本文提出算法的可靠性進(jìn)行驗(yàn)證。
　　最后，基于遺留物檢測(cè)的旅客異常行為檢測(cè)。采用不同更新速率的改進(jìn)GMM模型對(duì)場(chǎng)景的雙重背景進(jìn)行建模，去除行人等運(yùn)動(dòng)目標(biāo)的干擾，實(shí)現(xiàn)對(duì)場(chǎng)景中短期靜止目標(biāo)的提?。桓鶕?jù)目標(biāo)的多個(gè)特征對(duì)其進(jìn)行跟蹤分析，當(dāng)其在場(chǎng)景中停留時(shí)間超過設(shè)定的閾值，則將其判斷為遺留物；結(jié)合遺留物的狀態(tài)變化和歷史圖