人体异常行为识别算法研究与实现

智能监控系统主要基于图像处理,人工智能及模式识别等技术。对这种系统的研究有如下几个方面:①运动前景的提取,②目标分割及辨识,③目标跟踪,④行为识别及归类。本文针对的对象式是人体,且主要对异常行为的识别进行研究。 本文首先简单的介绍了整个监控系统所需的主要数字图像处理技术。针对传统方法去噪处理效果不佳的问题,采用了自适应的高斯背景更新模型对前景进行提取,并提出了基于三通道分离的背景差分改进算法。 本文接下来研究了监控视频中人体的异常行为。针对不同的应用场景,可将问题分类为单人的行为判别,少数人之间的突发暴力行为以及群聚事件。由于各情况下图像反映的特征信息不同,本文将采用3种方法对它们进行处理。 在单人情况下,这里采用了近景摄像头,这样能清晰的提取目标的外部结构及几何特征。再根据支持向量机(Support Vector Machine,SVM)理论,利用计算机较强的学习能力,对输入的视频进行训练,分类和识别。 针对少数人之间的异常行为,本文采用两人间的打斗视频。首先提取两个关键的动态特征:速度幅值及方向角的变化率。它们能反映目标的剧烈且不规则的变化,作者由此归纳出整个视频能量的动能部分。另一方面,人与人间距离越近则发生异常行为的几率越大,作者根据天体间的万有引力归纳出势能部分。将两部分加权后总结出视频中每帧的总能量,根据它判断监控范围内是否发生了异常。 在广场等环境下,摄像头监控的范围较广,视频中的人体的具体特征也不明显。因此作者在Markov理论的基础上,将图像中的每个像素点视为马尔克夫随机场(Markov Random Field,MRF)中的一点,分别总结出能量函数的时间场和空间算子,由此得到基于时空的MRF方法,用于辨识群聚事件。