【摘 要】
:
监控视频中的异常行为检测与目标跟踪是模式识别领域长期以来的研究热点之一。近年来,随着各种视频监控设备的日益普及,现有检测与跟踪算法的性能已有了长足进步。但是,由于
论文部分内容阅读
监控视频中的异常行为检测与目标跟踪是模式识别领域长期以来的研究热点之一。近年来,随着各种视频监控设备的日益普及,现有检测与跟踪算法的性能已有了长足进步。但是,由于拥挤场景视频的复杂性,如存在噪音、视角变换、杂乱背景甚至光照的变化等,大多数现有方法并不适用于拥挤条件下的检测与跟踪。本文针对拥挤场景视频中的异常行为检测和目标跟踪进行了深入研究。在异常行为检测方面,本文提出了一种基于深度图像和时空上下文模型的异常行为检测算法。我们首先用深度相机提取视频中的深度信息,然后将整个视频分成时空小方块,进而提取各个小方块中的运动原型,并在相邻的时空运动之间建立上下文关系,接下来使用马尔可夫随机场对运动模式间的共现关系进行刻画。最后,本文采用对运动模式的统计偏离计算来检测拥挤场景中的异常行为。在拥挤场景中的物体跟踪研究方面,本文着重解决了在拥挤场景中经常发生的遮挡而导致物体跟踪失败的问题。通过观察,我们发现在一个拥挤场景中因为人群相对密集,尤其是在局部范围内多人会聚集在一起,同时聚集的人群的运动往往又具有相似性。这些具有相似性的多个物体可作为跟踪目标的运动参考,从而有效提高拥挤场景中目标跟踪的鲁棒性。受此启发,本文通过对物体的运动分析来对物体外观进行建模,同时借助对场景的上下文时空建模来判断追踪物体何时出现遮挡,并进一步据此分割出与物体有相似运动的显著区域来作为辅助追踪线索,实现拥挤场景视频中的鲁棒追踪。在多场景视频数据集上的实验表明,本文所提出的基于深度和时空上下文模型异常检测算法,以及基于目标运动分析和运动背景刻画的跟踪算法在拥挤场景中取得了预期效果。
其他文献
随着网络的发展,路由器不仅需要进行路由查找,还需要完成数据包过滤、QOS、流量计费等额外服务;另外随着高速网络技术的发展,路由器对输入数据包的的处理速度成为网络整体速
各个领域都会产生大量的时序数据,产生时序数据的系统包括经济学,医学,无线传感器网络,气象学,冶金学等等。虽然有很多研究工作用于分析不同领域的时序数据,但是很少有工作从系统内
近十几年来,计算机网络经历了飞速的发展,但是伴随而来的是日益严重的拥塞。拥塞控制,是保证网络鲁棒性的关键因素,也是各种管理控制机制和应用的基础,同时又牵涉到网络运行的经济
在实际工作应用中,有很多要处理的数据是各种表格文本。表格文本作为一种常见文本,是日常工作中处理得比较多的一种文本,广泛应用于各种场合,例如:各种银行票据、税务、财务报表、
随着Internet技术的发展,人们对网络信息的需求越来越大,对网络数据库的动态交互性和查询速度等性能要求越来越高,建立高性能的网络站点数据库是网络技术和应用发展的必然。
随着智能移动终端的普及,越来越多的用户在手机与平板电脑上存储各类敏感的隐私信息,其中包括信用卡信息、短信、音频记录以及地理位置信息等等。然而,在这个新兴的技术平台
预测和订货管理是依赖于信息的两大物流工作,直接关系到存货管理和生产、销售支持.对于采购决策数据的通用表达可以引入采购增值网(Value-added Network,VAN)作为系统星状方
论文来源于为大庆油田有限责任公司勘探部开发的勘探战略数据库综合应用系统(MP-SYS),该系统用于管理油田数据,并在此基础上进行分析研究,最后在网上展现.MP-SYS系统所管理的
该论文详细介绍了我们在音频算法开发中使用的一些关键技术和方法:首先文章通过分析Windows/UNIX和C55x DSP平台之间的差异,阐述了算法代码的移植方法;其次从代码的可重入性
密码技术特别是加密技术是信息安全技术中的核心技术,是目前国内外最为活跃的研究领域之一.新一代密码算法的研究具有重大的政治意义以及重要的科学价值.加密技术分为对称加