基于轨迹坐标的异常行为检测.pdfVIP

９４ 基于轨迹坐标的异常行为检测 Ａｂｎｏｒｍａｌ Ｂｅｈａｖｉｏｒ Ｄｅｔｅｃｔｉｏｎ Ｂａｓｅｄ ｏｎ Ｔｒａｊｅｃｔｏｒｙ Ｃｏｏｒｄｉｎａｔｅ 刘 超 费树岷 （东南大学自动化学院，江苏 南京 ２１００９６ ） 摘要：实现了一种在监控视频下检测跟踪行人，并对其轨迹进行分析，检测出是否有徘徊等行为的算法。首先，采用 ＶＩＢＥ 算法进行背景建模，检测出运动物体。然后，在获取运动目标后对其进行Ｋａｌｍａｎ 跟踪，并利用匈牙利算法对运动目标 进行匹配，完成多目标跟踪。获得跟踪轨迹后，分别提取跟踪轨迹的横纵坐标。最后，以时间为横轴，轨迹的横纵坐标为纵轴， 对其进行曲线拟合，进行优化，并计算运动轨迹的极大值与极小值，以及在波动图下的极值出现的次数，达到一定的条件后 即可判定徘徊行为。该方法只需计算运动目标的轨迹，无需建立样本库，实验证明了该方法的有效性、实时性。 关键词：徘徊行为，异常检测，背景建模， 滤波 ｋａｌｍａｎ Abstrrct:Ｔｈｉｓ ｐａｐｅｒ ｉｍｐｌｅｍｅｎｔｓ ａ ｍｅｔｈｏｄ ｆｏｒ ｄｅｔｅｃｔｉｎｇ ａｎｄ ｔｒａｃｋｉｎｇ ｈｕｍａｎ ｂｙ ｓｕｒｖｅｉｌｌａｎｃｅ ｖｉｄｅｏ,ａｎａｌｙｚｉｎｇ ｉｔｓ ｔｒａｊｅｃｔｏｒｙ ａｎｄ ｄｅｔｅｃｔｉｎｇ ｗｈｅｔｈｅｒ ｔｈｅｒｅ ｉｓ ａ ｗａｎｄｅｒｉｎｇ ｂｅｈａｖｉｏｒ．Ｆｉｒｓｔ ｉｔ ｕｓｅｓ ＶＩＢＥ ａｌｇｏｒｉｔｈｍ ｔｏ ｂｕｉｌｄ ｂａｃｋｇｒｏｕｎｄ ｍｏｄｅｌ,ｔｏ ｄｅｔｅｃｔ ｍｏｖ ｉｎｇ ｔａｒｇｅｔｓ,ａｎｄ ｃａｎ ｕｓｅ Ｋａｌｍａｎ ｆｉｌｔｅｒ ｔｏ ｔｒａｃｋ ｔｈｅｓｅ ｔａｒｇｅｔｓ,ａｎｄ ｕｓｅ ｔｈｅ Ｈｕｎｇａｒｉａｎ ａｌｇｏｒｉｔｈｍ ｔｏ ｍａｔｃｈ ｍｕｌｔｉ－ｔａｒｇｅｔｓ ｔｒａｃｋｉｎｇ, ａｆｔｅｒ ｇｅｔｔｉｎｇ ｔｈｅｓｅ ｔｒａｊｅｃｔｏｒｉｅｓ,ａｎｄ ｅｘｔｒａｃｔ ｔｈｅｉｒ ｖｅｒｔｉｃａｌ,ｈｏｒｉｚｏｎｔａｌ ｃｏｏｒｄｉｎａｔｅｓ． Keywords:ｗａｎｄｅｒｉｎｇ ｂｅｈａｖｉｏｒ,ａｂｎｏｒｍａｌ ｄｅｔｅｃｔｉｏｎ,ｂａｃｋｇｒｏｕｎｄ ｍｏｄｅｌ,ｋａｌｍａｎ ｆｉｌｔｅｒ 随着科技不断的进步，人工智能领域也越来越来受到人们的 种效率很高的递归器。故 Ｋａｌｍａｎ 滤波器经常被广泛的用在雷 重视，计算机视觉中的视频分析技术也取得了重大的突破。监控 达跟踪、卫星导航、计算机视觉等工业，军事领域中。基于 视频能够在无需人员监视的情况下即可检测，跟踪运动目标并发 Ｋａｌｍａｎ 实质，他的假设由以下三个部分组成： 出警报。这些技术随着科技的进步将会逐渐取代传统的监控手 １ ）被建模的系统是线性的； 段，因此会节省了大量的人力和物力。为了提高监视区域的公共 ２ ）影响测量的噪声属于白噪声； 安全性，对区域内的行为进行防范，国内外已经有很多学者对异 ３ ）噪声本质上是高斯分布的。 １－２ 常行为进行研究［ ］ 。例如徘徊行为，可以定义为在某一个区域内， 故可以在以上假设的前提下，定义系统的状态差分方程和 运动物体在做无规则运动或者不间断的往复运动。目前很多的学 观察方程： 者都在对监控视频序列的徘徊进行研究，文献［ ］利用贝叶斯表 状态差分方程： ３