监控视频场景异常检测技术研究

来源 :南京邮电大学 | 被引量 : 0次 | 上传用户:L530798540
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着公共安全意识的逐渐提高,视频监控技术得到了广泛应用,其中以人群为目标的监控视频异常检测一直是研究的难点。机器学习方法逐渐被应用到监控视频的异常检测系统中,提高了系统的检测水平。监控视频场景异常检测作为一种公共安全和社会秩序管理技术,逐渐成为国内外研究的热点。本文通过分析现有监控视频中场景异常检测存在的问题,从基于视频特征信息分析和基于人群模型两个角度进行研究,并在此基础上初步探索了基于云平台的分布式视频场景异常检测框架。论文的主要工作如下:首先,采用基于群体特征的异常检测方法,直接对特征信息进行分析。为了提高异常检测的精确率,减少检测时间,提出了一种基于改进遗传算法的特征选择和SVM训练模型联合优化算法。该方法提取视频的特征数据,对特征数据降维,再运用SVM算法建立分类学习模型。特征选择和训练模型这两个过程互相依赖,采用SA改进GA算法,并使GA中的交叉遗传操作自适应化,同时对特征选择和SVM模型对参数进行优化。实验表明,该方法可以快速找到最优特征子集和SVM训练参数,提高了视频异常检测的精确度,同时缩短了分类检测的时间。其次,为了精确模拟人群的运动状态,研究了基于物理模型的人群异常检测方法,提出了基于粒子群优化的社会力模型描述人群信息。该方法提取群体光流运动特征,用光流表示SFM中行人的速度,再利用PSO改进传统SFM对中高密度人群的建模,将社会力矢量处理后进行SVM分类预测,检测视频中异常行为。通过粒子平流方法,使得粒子向相互作用力较小的区域移动,粒子的位置尽可能落在前景区域,模拟人群行为。实验表明,该方法能够有效地提高视频场景异常检测的查全率和查准率。最后,为了处理实际应用中海量监控视频数据的异常检测问题,探索了基于Hadoop平台的监控视频异常检测并行化框架。主要实现对视频数据Map/Reduce键值对数据类型、数据I/O类型和基于Mapreduce的SVM分类算法的设计。利用Hadoop平台的HDFS存储机制和Mapreduce编程模型对监控视频异常检测系统作了进一步的研究。实验表明,与单机节点比较,基于Hadoop集群的视频异常检测方法保证了精确度的同时,大幅度高降低了视频数据的检测时间。
其他文献
期刊
期刊
期刊
随着人们安全意识的提高以及信息技术的发展,越来越多的监控设备安装在各种公共场所,监控视频的数据量呈指数型增长。因此,研究海量监控视频的检索,具有十分重要的意义。本文
合成孔径雷达在聚束模式下可以得到很高的分辨率,因此在地形测绘,地质研究,动目标检测等许多方面得到广泛应用。本文主要介绍了目前应用比较广泛的两种聚束模式成像算法,CBP
情感智能是人机交互智能化的一个关键部分,语音情感分析越来越多地应用于人机交互系统以提高系统的的智能水平。本文主要从语音情感识别在语音查询系统中的应用和医学诊断对语
随着经济与科技的发展,太阳能电池大规模的应用到了小区中,这就对太阳能电池的实时监控提出了要求。为了更好的支持太阳能电池的推广应用,提出了基于SNMP的太阳能电池监控系统。本文来源于实验室与美国Solis Energy公司合作的太阳能电池监控系统项目,提出一种基于SNMP协议的太阳能电池监控系统的实现方案。系统包括管理端软件、SNMP代理软件和数字传感器三部分。传感器将采集到的数据传送到嵌入式平台上
超宽带(Ultra-Wideband,UWB)无线通信技术以高传输速率、低功耗等优点日益受到人们青睐,但由于其所占的频带很宽,与其它无线通信标准存在频谱重叠,不可避免的会产生相互间的干扰:
随着网络技术的迅猛发展和全球信息化的加深,多媒体实时通信已成为网络通信中的一个非常重要的业务,这些业务主要包括视频点播、可视电话、会议电视、远程教育、流媒体等,而
高亮度大功率型A1GaInP红光LED是近年来发展的新型可见光LED。红光LED作为三基色的一种和蓝绿光LED组合在一起,变幻着五光十色。A1GaInP四元红光LED具有电流承受力强、发光效