【摘 要】
：
智能视频监控中对于维护社会公共安全的秩序发挥着重要的作用,在视频中如何对行人异常行为进行检测是计算机视觉领域的重要研究方向。虽然在行人异常行为检测中已经有很多研究学者取得了一定的研究成果,但是由于在复杂环境变化下行人行为的运动特征信息提取较难,导致研究行人行为异常检测进展缓慢。基于此,本文针对ViBe算法在高动态背景变化下产生闪烁像素点、阴影、鬼影对行人运动目标提取不准确的问题,采用一种基于原Vi
论文部分内容阅读
智能视频监控中对于维护社会公共安全的秩序发挥着重要的作用,在视频中如何对行人异常行为进行检测是计算机视觉领域的重要研究方向。虽然在行人异常行为检测中已经有很多研究学者取得了一定的研究成果,但是由于在复杂环境变化下行人行为的运动特征信息提取较难,导致研究行人行为异常检测进展缓慢。基于此,本文针对ViBe算法在高动态背景变化下产生闪烁像素点、阴影、鬼影对行人运动目标提取不准确的问题,采用一种基于原ViBe算法的基础上改进型的ViBe算法。随后,在研究基本卷积神经网络和长短时期记忆网络的结构和功能的基础上,采用一种基于3D卷积神经网络与LSTM神经网络相融合的行人奔跑异常行为检测模型。具体总结如下:1)在行人运动目标的提取中,ViBe算法容易受到高动态背景变化下环境的影响,为解决此问题,利用一种改进型的ViBe算法。算法设计中,采用背景动态的变化定义检测闪烁程度的矩阵,设置自适应阈值半径设计出阈值自适应更新策略;利用RGB-HSV色彩空间转换进行阴影检测判断设计器;借助基于相关系数特性比较直方图相似性的方法检测鬼影。通过实验数值比较表明,该算法计算复杂度较低,鲁棒性较好,能够有效的提取较为完整的行人运动目标。2)针对监控视频中对行人奔跑异常行为识别不准确,不能较好的把奔跑异常行为的空间和时间维度上的特征有效结合的现象,利用改进型ViBe算法结合深度学习网络结构,采用了一种适合行人奔跑异常行为检测的3D-CNN和LSTM融合模型方法。该融合模型利用3D-CNN获取行人运动目标在空间上的特征,LSTM利用对时间的记忆功能来获取行人运动目标在时间序列上的行为特征,最后采用Softmax进行分类。实验数据表明,该方法对检测行人奔跑异常行为的准确率得到了有效的提升。
其他文献
基于计算机视觉的多目标检测技术作为一种智能而便捷的监测手段,在无人驾驶、城市安全等领域中的应用越来越广泛。野外复杂环境下的多目标图像检测技术作为计算机视觉领域中的难题之一,它包含了模式识别、人工智能、数字图像处理等其他关键技术。但是,由于野外环境具有复杂多变、差异性较大、与目标易混淆,目标易受到光照不足、部分遮挡、背景干扰等其他因素影响,造成多目标的检测变得极为困难,算法鲁棒性低。如何充分利用图像
人体行为识别作为计算机视觉和模式识别的热门研究方向,已经在人机交互、智能视频监控、运动分析和医疗辅助等诸多领域得到广泛地应用。人体行为识别是指从视频图像识别人体行为动作同时完成对人体目标的定位跟踪。近年来,大数据技术的发展推动了人体行为识别研究的进步。如何在采集少样本数据集的前提下,迅速获取视频图像中人体行为的信息,使视频数据成为可直接利用的信息资源,仍是需要我们研究的课题。本文在采集少量人体行为
基于机器视觉的公路汽车流量检测技术研究是在不需要人为干预的情况下,从获取初始视频帧开始,移动对象从背景中分割的方法对摄像机拍录的图像序列进行分析,然后到整个视频的汽车计数,实现对场景中汽车的计数,基本得到汽车多少及道路拥堵情况。在视频监控系统的终端实现运动目标检测和计数功能。而本论文主要对两种检测方法进行了理论研究,分别是:（1）帧差法及高斯混合模型法:帧差法是处理视频数据时,从视频中选择代表帧并
超声诊断具有无损、价廉、非电离辐射性、实时等优点,使其成为现代临床医学必不可少的影像诊断技术之一。由于超声成像的相干特性产生的大量噪声,使超声图像存在信噪比低、成像质量差等问题,尤其是掩盖和降低了图像某些细节信息,给之后的图像特征提取和识别,病情诊断及定量分析造成不利的影响。因此,抑制这些噪声,增强图像的细节,改善图像质量是超声图像分析和识别的重要预处理环节,也成为近年来备受研究人员关注的热点问题
虚拟现实技术在科技快速发展的今天,其身影频频出现在各大领域之中,其便利性与高反馈性在科学研究中有着很高的应用价值。将扑翼式飞行器与虚拟现实技术进行结合,使扑翼式飞行器在虚拟世界中进行虚拟仿真和功能实验,是机械领域与当今新兴技术的交叉融合,具有很大的研究意义与应用前景。本文在世界主流开发引擎中进行分析与研究,选择使用Unity3D引擎作为平台并开展了扑翼式飞行器的虚拟仿真与功能算法研究,主要完成的工
随着信息融合技术的发展,传感器的协同工作应用愈发广泛,红外与可见光图像的融合也是多传感器技术的一部分。图像融合技术就是将来自不同传感器的两张或两张以上的图像进行融合,增加图像信息中的完整度,从而让观察者得到更多的视觉信息。图像融合在医学图像、军用场景、遥感图像和机器视觉等方面得到了广泛地应用。本文将深度学习应用在红外和可见光图像融合汇总,提出了三种红外与可见光图像融合方法。首先,研究了基于深度学习
在边防区域的野外环境下,通过对入侵目标声音信号的分析处理,完成入侵目标的探测识别,以实现边防区域的智能化实时监控。传统的目标探测识别方法是使用多传感器进行组合探测,其中,声音传感器易受噪声和其它声源的干扰,导致声目标识别的准确率下降。针对上述问题,本文设计了一个野外环境下的人车识别方案,并对其中的端点检测算法进行优化改进。本文主要围绕基于声音传感器的声目标识别技术进行重点研究,并从以下四部分展开讨
随着经济社会及硬件性能的发展,视频分析任务越来越受到重视。同时,人体行为识别技术已广泛应用于虚拟现实,视频监控,视频检索等领域。在深度学习和图像分类任务取得成功的大背景下,基于深度学习的双流网络以及可以同时提取时空特征的3D卷积应运而生。近年来许多人体行为识别技术方法如C3D（3D Conv Net）、I3D（Inflated 3D Conv Net）、S3D（Separable 3D Conv
目前的模拟训练系统是通过小尺度环境来模仿大尺度现场。当模拟训练系统定位载具时数据采集困难,定位精度不准确等问题上还没有完善的解决办法,所以本文将以以上问题入手,重点研究以UWB定位技术为基础的模拟训练系统及对TDOA准确测量的研究,本文基于UWB室内定位技术设计实现模拟训练载具多基站定位系统,从UWB定位技术自身所拥有优势入手,分析UWB定位技术中常用的几种测距算法,分析误差来源。最终实验结果表明
随着军用无人机的发展,战场上出现多无人机系统协同作战的情况日益增多,无人机自组织网络（UAV Ad Hoc Network,UANET）具有容灾能力强、增大通信范围和可靠性高的特点,因此,UANET作为多无人机系统主要使用的无线网络。UANET通常采用分簇算法对网络进行分簇,但是UANET节点的高移动性会降低簇的稳定性,进而降低网络性能。传统的主动式和被动式路由协议应用在分簇结构的UANET中网络