視頻異常事件檢測研究.pdf

1、目前，視頻監(jiān)控在廣場、火車站、銀行和機場等公共場所中發(fā)揮著極其重要的作用。傳統(tǒng)的視頻監(jiān)控完全依靠人工進行視頻信息的分析處理，其時間和精度特性都難以滿足安全系統(tǒng)需要，提高視頻監(jiān)控系統(tǒng)的有效性與可靠性是亟待解決的問題。
　　 本文從圖像處理和人工智能技術(shù)出發(fā)，以視頻異常事件檢測為核心任務，研究了智能視頻監(jiān)控的關(guān)鍵技術(shù)。具體所做的工作和主要創(chuàng)新點有：(1)將參考獨立分量分析(ICA-R)技術(shù)應用到視頻運動目標檢測中，通過訓練圖像球化后

2、的背景分量作為參考信號，成功解決了視頻圖像中運動目標和靜止背景的分離問題。該方法具有檢測精度好、訓練與檢測效率高、對光照變化影響的適應性強的特點。(2)提出了面向特征的獨立分量分析(ICA)和HP(Hodrick-prescott)濾波器實現(xiàn)的隱馬爾可夫模型(HMM)視頻異常事件檢測算法。該算法利用ICA實現(xiàn)視頻數(shù)據(jù)降維與特征提取，使用HP濾波器改善特征的魯棒性，提高了檢測精度，且能克服室外環(huán)境下光照亮度變化和陰影等不利因素對HMM視頻

3、異常事件檢測的影響。(3)研究了多時間觀測粒度無限狀態(tài)隱馬爾可夫模型(iHMM)異常事件檢測方法。利用iHMM對提取的圖像特征進行統(tǒng)計分析，并綜合考慮了不同時間觀測粒度下視頻事件的特點，可解決現(xiàn)有基于子空間的視頻異常事件檢測方法中，沒有考慮不同事件在不同時間粒度觀測上的差異性問題，具有更高的檢測性能。
　　 真實場景中的視頻異常事件檢測，容易受環(huán)境因素的影響。本文在研究過程中，不僅試圖提高算法的檢測精度，還特別考慮了復雜場景中各