基于时空特征的异常行为建模与检测算法研究

《基于时空特征的异常行为建模与检测算法研究》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、硕士学位论文题目:基于时空特征的异常行为建模与检测算法研究研究生盖杰专业信号与信息处理指导教师陈华华副教授完成日期2015年11月杭州电子科技大学硕士学位论文基于时空特征的异常行为建模与检测算法研究研究生：盖杰指导教师：陈华华副教授2015年11月DissertationSubmittedtoHangzhouDianziUniversityfortheDegreeofMasterResearchonModelingandDetectionofAbnormalBehaviorBasedonSpatio-temporalFeaturesCandidate:GaiJieSuper

2、visor:Prof.ChenHuahuaNovember，2015杭州电子科技大学学位论文原创性声明和使用授权说明原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研巧工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的作品或成果。。对本文的研巧做出重要贡献的个人和集体，巧已在文中抖明确方式标明一切相关责任申请学位论文与资料若有不实之化，本人承担。论文作者签名：曰期：心良年月｜巧：扛＾学位论文使用授权说明；本人完全了解杭州电子科技大学关于保留和便用学位论文的规定，即研巧生在

3、校攻读学位期间论文工作的知识产权单位属杭州电子科技大学。本人保证毕业离校后，发表论文或使用论文工作成果时署名单位仍然为杭州电子科技大学。学校有权保留送交论文的复印件，ＪＬ、允许查阅和借阅论文，可Ｕ允许采用影印缩印或其；学校可Ｕ公布论文的全部或部分内容ｉ它复制手段保存论文。（保密论文在解密后遵守此规定）＇／论文作者签名：光曰期心若年＾月ｒ日＿＾、＂＊＾：曰期；指导教师签名１年月ｔ曰＾ｉ麥麥ｊ杭州电子科技大学硕士学位论文摘要随着计算机技术的快速发展和视频监控技术的不断革新，智能视频监控越来越受到人们的关注。而视频中的异常行为检测是智能视频监控中的

4、一个重要研究方向，具有实时、智能、经济的特点，在公共安全保障方面具有很高的学术价值和广阔的商业前景，其主要工作是自动分析一些人口流动性大、稠密度高的监控场景中的人群行为特征，一旦发生异常行为就立刻发出报警信号，从而提高相关部门的应急响应速度。因此，针对视频中的异常行为检测需要进行深入的研究。目前异常行为检测的研究主要在于目标行为的特征表示与检测模型的构建。本文对异常行为检测模型进行了研究，主要开展了以下工作：1、考虑到在监控视频序列中，由于不同位置的目标距离摄像头远近的差异，会对提取的特征产生影响，从而导致对行为的错误判决，因此对视频序列按位置分块，以此来消除目标距摄像头远

5、近所造成的影响。2、采用比光流鲁棒性更高的3D-SIFT作为目标特征，并将3D-SIFT特征转化为熵属性，分别从时域混乱属性、空域混乱属性及光流属性对目标块局部特征进行描述，最后通过KL距离属性来对行为特征全局信息进行表达，并在此基础上提出了一种基于多属性融合的异常行为检测模型。3、研究了协稀疏表示模型，将目标块特征的协稀疏先验作为正则项引入到异常行为检测模型中，提出了基于协稀疏正则化的异行为件检测算法，利用基于l范数最小化的协稀疏编1码算法重构目标块特征。4、研究了组稀疏表示模型，考虑到特征间的组结构特性，对特征进行分组并将组稀疏表示模型应用到异常行为检测模型中。对训练样

6、本进行聚类，采用PCA方法为每一类样本训练一个字典，利用基于l最小化的组LASSO算法重构目标块特征。2,1为了比较和测试所提模型的有效性，本文在UCSDPed1数据集、UMN数据集及WEB数据集上进行了局部异常检测与全局异常检测，实验结果表明，本文所提的三种算法在异常行为检测模型方面取得了较好的检测效果，并具有较低的检测时间。关键词：异常行为检测，3D-SIFT，目标块，协稀疏，组稀疏I杭州电子科技大学硕士学位论文ABSTRACTWiththedevelopmentofcomputertechnologyandinnovationofvideomonitortechnol

7、ogy,peoplepaymoreandmoreattentiontosmartvideomonitor.Abnormalbehaviordetectioninvideoisanimportantresearchtopicintheintelligentmonitoringsystem,anditisbecomingamuchattentionapplicationfieldinrecentyears.Meanwhile,abnormalbehaviordetectionhasgreatacademicvaluea