基于銀行自助廳監(jiān)控視頻的打斗、搶劫檢測算法.pdf

1、隨著視頻監(jiān)控技術的廣泛應用,智能視頻分析技術正受到越來越多的青睞。視頻圖像序列中的異常行為檢測技術成為智能視頻分析領域中一個重要的研究方向。該技術能夠在異常行為發(fā)生時通過實時地分析視頻序列圖像,從中識別出異常行為并產(chǎn)生報警,使安防人員及早發(fā)現(xiàn)并處理事件,從而解決了傳統(tǒng)監(jiān)控系統(tǒng)的事后性。
　　近年來,銀行自助廳的公共安全問題得到社會的日益關注。據(jù)報道,發(fā)生在此類場所的打斗、搶劫等犯罪案件非常頻繁。如果能夠利用智能視頻分析技術,急時的

2、發(fā)現(xiàn)并處理此類事件,將對銀行自助廳的公共安全問題有重要幫助。本文主要研究了基于銀行自助廳監(jiān)控視頻的打斗、搶劫等異常行為檢測技術,從實際應用的角度對該技術進行了探索。本文的主要貢獻如下:
　　1)提出一種將幀間差分法和基于Bayes決策準則的背景建模法相融合的運動前景提取方法。該方法主要利用幀間差分法修補由Bayes背景建模法提取的斷裂或邊緣不完整的運動前景區(qū)域。實驗證明該方法能夠提取較為完整的運動前景,并有效的應對光照的瞬變或漸變

3、帶來的影響。
　　2)提出一種能夠綜合描述運動人體的外形、軌跡、運動速度和運動方向的特征提取方法。首先構(gòu)建運動能量圖像,從中提取運動的外形和軌跡特征。然后通過計算序列圖像的光流值,定義并提取運動速度和運動方向特征。其中運動速度特征可描述人體運動的劇烈程度,運動方向特征描述運動方向的變化和混亂程度。經(jīng)測試證明,這些特征對正常行為和打斗、搶劫等異常行為有較強的鑒別性。最后提出采用小段時間內(nèi)的特征描述行為的方法,使算法更具穩(wěn)定性和魯棒性