基于动态图像处理的可疑行为要点解析.pdf

浙江工业大学本科毕业设计论文 本科毕业设计论文 题目：基于动态图像处理的可疑行为分析 作者姓名 毛利洋 指导教师 王宪保 讲师 专业班级 电子信息工程0902 学 院 信息工程学院 提交日期 2013 年6 月12 日 1 浙江工业大学本科毕业设计论文 第1章 绪 论 1.1. 课题研究背景及意义 随着动态图像处理技术的发展，对人的行为分析技术也日渐完善。作为近年 来计算机视觉领域最活跃的研究方向之一，这项技术在未来有着非常高的商业价 值和广泛的应用前景，很多研究机构、学校以及公司的科研人才都加入到研究行 为分析的行列。法国国家信息与自动化研究院(INRIA)、英国雷丁大学、中科院、 北京大学、清华大学、浙江大学等都对人的行为分析做了深入研究。 1.2. 课题主要研究内容 基于动态图像处理的可疑行为分析主要可以分为以下三大块内容：目标提取， 运动跟踪和目标行为分析。 首先目标提取这一步的基本内容是利用动态图像处理的知识从图像序列中 提取出运动的前景。本课题采用一种自适应的混合高斯模型背景减除法提取目标。 运动跟踪这一步的基本内容是实现对运动目标的跟踪和轨迹生成。这一步非 常的关键，后续的行为分析是直接以跟踪的数据为基础的。本课题是利用 Meanshift 实现简单背景下的单目标跟踪，然后实现简单背景下的多目标跟踪。 同时，引入Kalman 滤波器一定程度上解决遮盖的问题。 目标行为分析这一步的基本内容是对目标的行为进行分析并判断其是否可 疑。对于人的行为本课题使用两种方法进行分析。本课题将摔倒视为异常行为， 并采用以目标宽高及其宽高比为特征的支持向量机(SVM)实现可疑行为分析。 2 浙江工业大学本科毕业设计论文 第2章 运动目标检测 运动目标检测作为整个行为分析过程的第一个步骤，后续的目标运动跟踪以 及行为理解与描述都是在其基础上实现的。它的目的是在视频序列中找到每一帧 图像中运动目标的区域，并将其与背景分离开来，作为后续跟踪和行为分析的特 征区域。其技术难点就在于如何快速高效地找到运动目标区域。本文采用的是利 用自适应的混合高斯背景模型的背景差分法。自适应的混合高斯背景建模 及更新 2.1.1 自适应的混合高斯背景模型的构成 在混合高斯背景模型中，每个像素点用个高斯分布混合表示。此时点(, ) 在时刻为背景的概率公式为式(2- 1) 。 ( ) ∑ ( ) P( x, y ) = =1 , × ( x, y , ,, ,) (2- 1) 其中： 为混合高斯背景模型中高斯分布的个数；, 为时刻第个高斯分布的权 重，同理，, 为均值，, 为协方差矩阵； 为高斯分布的概率密度函数，具体 公式如式(2-2) 。 1 −1 ( (x,y) − )T ( (x,y) − ) − ( ( ) ) 2 x, y , , = /2 1/2 ×