視覺關(guān)鍵詞稀疏表示的全局異常事件檢測研究.pdf

1、由于很多不法分子為了破壞公共秩序危害人們的生命安全，在很多人群密集的公共場所實施犯罪行為，如地鐵站、火車站、商場等，其破壞力極大，所以公共安全越來越引起世界各個國家的重視，視頻監(jiān)控異常檢測技術(shù)的研究成為該領(lǐng)域的主要方向之一。本文結(jié)合計算機視覺、圖像處理、模式識別等相關(guān)知識，提出了HMOFP特征稀疏表示與視覺核心詞稀疏表示的全局異常事件檢測研究的方法。
　　本研究主要內(nèi)容包括：⑴采用改進的最大光流投影直方圖(HMOFP)方法提取特征

2、，首先利用HS光流算法提取光流場，舍棄幅值過小的光流減少計算時間，然后將0°-360。平均分割為八個方向區(qū)域，光流矢量按照方向分布在八個不同的方向區(qū)域，取某方向中所有光流矢量在其角平分線上的最大投影值作為該方向的特征描述子。⑵正常行為模式字典的構(gòu)建是本文的重點研究之一?；谔卣鞯南嗨菩耘c最大光流投影直方圖特征(HMOFP)的性質(zhì)，提出了一種新的字典優(yōu)化算法，首先對一定數(shù)量連續(xù)的正常幀提取HMOFP特征作為正常行為模式的初始字典，然后利用

3、K-means進行聚類，將同一類中所有特征每一行的最大值組成的列向量作為優(yōu)化后字典的一個原予（也就是一列），所有類的列向量組成的矩陣構(gòu)成優(yōu)化后的正常行為模式字典。⑶提出的第二種字典構(gòu)建的方法基于特征的相似性與圖像的視覺核心詞，同樣取一定數(shù)量連續(xù)的正常幀，首先對幀圖像進行分塊處理，利用改進的HMOFP提取局部子區(qū)域特征，然后對所有的局部子區(qū)域特征進行K-means聚類處理，將類中心級聯(lián)構(gòu)成整幀圖像運動信息的視覺核心詞，最后所有正常幀的視覺