基于svm的室内异常行为检测算法研究

《基于svm的室内异常行为检测算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士论文基于SVM的室内异常行为检测算法研究区域。第5、6章分别研究TgU面和正面人体图像序列的行为分析方法。第5章提出了一种针对侧面异常行为的检测方法，详细地介绍了特征提取方法，并利用SVM进行分类识别。第6章研究了一种新的特征提取方法——基于网格技术的方法，并将该方法应用于正面的异常行为的检测。利用SVM分类器对行为进行分类。最后在结论部分对全文进行了总结并展望了未来的研究工作。硕士论文基于SVM的室内异常行为检测算法研究2人的行为分析方法概述人的行为分析和识别主要是针对包含人的运动图像序列进行处理，它通常涉及到人体检测、行为特征提取和分类识别这几个

2、过程。2．1人体检测基于视觉的人体运动分析系统几乎都是从人体检测开始的，即从图像中分割人体区域。在通常的监控系统中，背景是静止的，分割人体区域也就是要求完成在监控场景中的运动分割。运动分割的目的是从序列图像中将变化的区域从背景图像中提取出来。运动区域的有效分割对于目标分类、特征提取、特征表达与最后的识别结果等后期处理是非常重要的，因为以后的处理过程仅仅考虑图像中对应于运动区域的像素。然而，由于背景图像的动态变化，如天气、光照、阴影及杂乱干扰等的影响，使得运动分割成为一项相当困难的工作。运动分割可以分为静止和运动背景下运动目标的检测和提取。现有的运动分割算

3、法大体可分为如下三类【zJ：(1)时间差分法(TemporalDifference)时间差分法是在连续的图像序列中两个或几个相邻帧间采用基于像素的时间差分并阈值化来提取出图像中的运动区域。例如Lipton等123】利用两帧差分方法从实际视频图像中检测出运动目标，进而用于目标的分类与跟踪；一个改进的方法是利用三帧差分代替两帧差分，如VSAM[14】开发了一种自适应背景减除与三帧差分相结合的混合算法，它能够快速有效地从背景中检测出运动目标。时间差分运动检测方法对于动态环境中具有较强的自适应性，但一般不能完全提取出所有相关的特征像素点，在运动实体内部容易产生空

4、洞现象，不利于进一步的对象分析和识别。(2)光流法(OpticalFlow)基于光流方法【11'25，26】的运动检测采用了运动目标随时间变化的光流特性，如Meyer等【ll】通过计算相应位移向量光流场来初始化基于轮廓的跟踪算法，从而有效地提取和跟踪运动目标。该方法的优点是在摄像机运动情况下也能检测出独立的运动目标。然而，大多数的光流计算方法相当复杂，且抗噪性能差，不借助于专用的硬件很难实现实时检测。(3)背景减除法(BackgroundSubtraction)背景减除法是目前运动分割中最常用的一种方法，它是利用当前图像与背景图像的差分来检测出运动区域的

5、一种技术，它要求摄像机是固定的。这类方法的优点在于对72人的行为分析方法概述硕士论文复杂背景的情况效果较好，它一般能够提供最完全的特征数据，但对于动态场景的变化，如光照和外来无关事件的干扰等特别敏感。最简单的背景模型是时间平均图像，大部分的研究人员目前都致力于开发不同背景模型，以期减少动态场景变化对于运动分割的影响。例如Haritaoglu等【l5J利用最小、最大强度值和最大时间差分值为场景中每个像素进行统计建模，并且进行周期性背景更新；McKenna等【26】利用像素色彩和梯度信息相结合的自适应背景模型来解决影子和不可靠色彩线索对于分割的影响；Karm

6、ann与Brandt【2‘71、Kilger[列J采用基于卡尔曼滤波(KalmanFiltering)的自适应背景模型以适应天气和光照的时间变化：Stauffer与G血nson【29J利用自适应的混合高斯背景模型(即对每个像素利用混合高斯分布建模)，并且利用在线估计来更新模型，从而可靠地处理光照变化、背景混乱的运动干扰等影响。AhmedElgammal等【30】人通过对许多样本的分析，利用核密度估计方法计算概率密度函数，建立非参数模型进行运动检测。2．2特征提取特征提取是人的行为分析和识别的关键，可以划分为免模型和基于模型的方法两类方法。2．2．1免模型

7、方法．从视频图像中分割出运动目标，在此基础上提取轮廓，再从轮廓中提取出反映人的行为特征信息，构建特征分析空间。免模型方法不需要构建模型，而是先对待研究的对象提出假设，然后用图像序列中目标移动所产生的时空模式的各类统计值，从行为中提取特征参数。其中，最常用的就是人体轮廓形状特征和人体质心特征。目前，人体轮廓形状特征较多地应用于步态识别中，而质心轨迹己在行为识别中得到了很好的应用。例如Little与Body[311使用的步态特征为运动人体轮廓信息，目的是计算运动图像的光流，从中获取频率和特征来识别个人：王亮‘321提取运动人体的外轮廓，计算人体质心，然后计算

8、运动过程中轮廓上每个点与质心的欧式距离作为人的步态特征。Kale[331采取的是