視頻中的異常行為檢測與分析研究.pdf

1、隨著攝像機、智能手機、監(jiān)控探頭等設備的普及，我們每天產(chǎn)生的視頻數(shù)據(jù)越來越多，隨之帶來的海量視頻數(shù)據(jù)存儲和分析問題也越來越受到人們的關注。其中，視頻中的異常行為檢測與分析問題是目前研究的熱點之一。這項技術在智能監(jiān)控、視頻檢索、視頻評級等領域都有著廣闊的應用前景。本文針對視頻中的特定異常行為檢測和非特定異常行為檢測這兩類問題展開研究，重點在特征提取和異常行為識別這兩方面提出了一些新的算法。
　　本文提出了一種基于稀疏編碼的視頻特征提取

2、框架。首先在視頻中提取底層的局部時空興趣點及其描述特征，然后采用基于核密度估計的數(shù)據(jù)降維算法，使得局部特征更具區(qū)分性并提高后續(xù)處理的時間效率。接著通過稀疏編碼方法將局部特征在預先訓練的“字典”上重新表達，生成中層的局部稀疏特征。最后，進一步采用“最大值合并”算法，提取出這些局部稀疏特征的全局統(tǒng)計特性，從而得到原始視頻片段的全局特征描述。在擁擠和非擁擠場景數(shù)據(jù)集上的實驗結果表明，該算法所提取的視頻特征具有很強的魯棒性和區(qū)分性。針對病人的異

3、常肢體運動檢測問題，提出了一種基于多標記點運動軌跡的檢測分析算法。通過檢測人體四肢上的標記點，同時結合常速度模型和卡爾曼濾波來得到各標記點的跟蹤軌跡。最后基于各軌跡的模型殘差來進行異常度決策，進而判斷當前肢體運動是否異常。算法在醫(yī)生提供的真實視頻數(shù)據(jù)上取得了較高的準確率，說明該檢測方法在計算機輔助診斷領域具有潛在的應用價值。在非特定異常行為檢測方面，考慮到實際監(jiān)控場景中的正常行為頻繁發(fā)生且相對固定，而異常事件發(fā)生較少且不可預知，因此提出