欢迎来到天天文库
浏览记录
ID:58138393
大小:899.73 KB
页数:6页
时间:2020-04-24
《基于泊松方程的异常行为检测-论文.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、第14卷第2期2014年1月科学技术与工程V01.14No.2Jan.20141671—1815f2014)02—0050—06ScienceTechnol0gyandEngineering⑥2014Sci.Tech.Engrg.计算机技术基于泊松方程的异常行为检测罗志琳钱惠敏周军(河海大学能源与电气学院,南京2111(70)摘要异常行为检测是家居监护系统的重要功能之一。提出了一种基于泊松方程的特征提取算法,并采用K均值算法实现人体异常行为——跌倒的检测。首先采用基于混合高斯模型的运动目标检测算法获得运动人体的二值图像序列;然后,对图
2、像序列提取基于二维泊松方程的矩特征描述人体行为;最后采用K均值分类器对异常行为进行检测。所使用的数据库包括6种可能发生的日常行为:站立、走、慢跑、坐、蹲,以及跌倒。实验表明,采用该算法检测异常行为——跌倒的正确识别率为98.72%。关键词泊松方程特征提取异常行为均值分类中图法分类号TP391.413;文献标志码A基于视觉的人体行为识别在人工智能、运动类器对异常行为进行检测。本文将通过人体剪影提分析、虚拟现实、用户接口等领域有着良好的应用前取行为特征,并采用均值分类器对异常行为进行景。从技术角度来看,基于视觉的人体行为识别涉检测。及到计
3、算机视觉、人工智能、图像处理、模式识别等研究表明,物体剪影中包含大量信息。文学科,是利用计算机技术从人运动的图像序列中对献[11]通过对剪影中的每个像素点建立泊松方运动目标进行检测及跟踪,并对所获取的信息进行程,并用方程的解表征该点自由运动到剪影轮廓理解和描述。所有点所需的平均时问;算法在形状识别和手写当今社会,更多的人忙于事业,无暇在家看护老体数字识别领域取得了较好的效果。文献[12]将人或病人,且相当一部分家庭没有能力聘请专业的该算法拓展到人体行为识别领域,但因其是对运家庭护理人员。因此,空巢老人和病人的看护成为动序列中的点建立三
4、维时空泊松方程,计算量大,了当今社会亟需解决的问题之一l2J。日常生活中,不易实现实时识别。而在家居监护系统中,发生跌倒对老人或病人来说是最危险的行为之一。因跌倒行为时,往往越早发现,对病人的救护几率就此,本文主要检测人体日常活动中的异常行为——越大。本文对视频帧中的运动区域内部各像素点跌倒。异常行为通常具有偶发性和多样性,往往不构建二维泊松方程;采用多重网格法求解方程,得易获得样本数据,很难直接建模。现有的异常行为到该点与运动区域边界的相对关系;由此得到人检测方法大体可以分为两类J:一类是基于模型的体行为的矩特征;最后通过用K均值分
5、类器对所检测方法,,即定义正常行为的模型,与已知模型提取的特征进行分类。本文将此方法用于对异常不匹配的行为即为异常行为,如Zhang等人提出行为的检测中,实验证明,该方法对异常行为具有了一种半监督的HMM模型,用该模型对正常行为良好的检测效果。进行建模,与所建模型不匹配的被认为是异常行为;由于老年人的异常行为中最常发生的为跌倒行另一类是基于分类器的检测方法71引,即通过分类为,通过钱惠敏等人¨录制的视频数据库,对走、慢器对正常行为和异常行为进行正确分类。常用分类跑、蹲、坐、站立及跌倒6种室内行为进行异常检测,器为贝叶斯分类器、决策树分
6、类器、支持向量机分类其中跌倒为异常行为,其他为正常行为。首先介绍器等。如林春丽等人。。利用SVM.KNN组合分泊松方程的构建过程;其次,给出泊松方程的求解方法——多重网格法,并用该方法求解上一步骤中所2013年8月12日收到,9月11日修改国家自然科学基金建立的二维泊松方程;再次,根据各点的像素值构建(61074186)、河海大学中央高校基本基金(2009B03714)资助行为的矩特征;最后,根据所提取的特征,采用K均第一作者简介:罗志琳(1988一),女,硕士。研究方向:人工智能。值算法对异常行为进行检测。E·mail:linlin
7、8805191@163.Corn。52科学技术与工程14卷设该层的计算解由“(,Y)表示,且(,Y)的初值式(16)中,(,Y)为为0。层上的坐标,,Ay∈{0,1,2,3}。采‘(,y)=÷[(+1,Y)+M(一1,Y)+用式(13)完成层//,‘一’(,Y+1)+‘I1(,),一1)一到层的映射。(10)(5)将式(16)得式(10)中表示为第/7,次迭代,f=一1。当u(,到的结果按照式(12)r'’Y)一M(,Y)≤10时,停止迭代。假设是经过进行迭代,经过次--_■·了m次迭代,则所得到的结果为(,Y)。令v(x,迭代后得到
8、的结果为Y)=U(,)一u(,Y),即为最细层迭代结果与““’(,Y)。同理,图3映射点示意图精确值之间的误差。将¨’(,Y)映射(2)在层网格上进行迭代,结果用(,Y)表到,并进行迭代,得到结果u‘¨(,y),此为示。
此文档下载收益归作者所有