基于zigbee定位技术的异常行为识别系统的分析与实现-analysis and implementation of abnormal behavior identity based on zigbee positioning technology.docxVIP

摘要在监狱安全管理中，人们一般关注的是服刑人员的行为会否带来危害。传统的人力监查、报警系统、门禁控制系统作用有限，基于视频监控的系统异常行为识别作用巨大，极大减轻了监狱工作人员任务和压力。但是由于图像的清晰度等问题都决定着异常行为识别的效果，而在诸如雾雨、深夜等情况下，摄像头采集的图像清晰度不够，并且在现有的图像处理技术中，很难实现在一群身穿同样衣服的人群中把大家区分开来。因此，将基于ZigBee 定位技术的异常行为识别方法应用于监狱安全管理有十分重要的作用和实际意义，本文对此展开研究，主要研究工作如下：1、分析与比较了视频和无线两种获取轨迹的方式，研究了当前常用的定位技术与算法和当前主要的异常行为识别方法。深入探讨了目前常用的定位技术与算法和异常检测方法的优劣，选定ZigBee 无线通信技术作为本文定位技术，基于轨迹的方法作为本文异常行为识别方法。2、提出三正方形定位算法。针对三边测量法在实际应用中情况复杂，定位不精确的问题，在其与质心法的思想的基础上，提出一种全新的三正方形定位算法。算法在思路和实现上均极为简单，不用考虑多种情况，即使仅有两个固定节点信息亦可误差稍大的进行定位，实用价值更高。仿真的实验结果也反映该算法的精度也比改进的三边测量法和交点质心算法更高。3、分析与验证异常行为识别流程。本文采用Hausdorff距离计算两条轨迹间的距离，谱聚类与k-means 算法作为聚类算法，取与聚类中心距离最近的轨迹作为表征这一类轨迹平均水平的中心轨迹，偏差服从正态分布，建立偏差模型，对轨迹分段，根据偏差的置信区间去判别是否异常。4、设计与构建基于ZigBee技术的异常行为识别系统。按照面向对象的思想将系统分为嵌入式通信和上位机监控平台两部分，又将位机监控平台分为串口通信、定位、数据库、异常识别和数据处理5个模块，并编写了相应代码。在模拟的场景下对系统进行了测试，系统能够完所需功能，并比较了误差大小两种定位算法对异常识别结果的影响。关键字：ZigBee；异常行为识别；三正方形定位算法；谱聚类ABSTRACTSafetymanagementinprison,peoplearegenerallyconcernedaboutwhetherthe abnormalbehaviorofprisonerswillbringharmornot.Itisknowntoallthatthe traditionalhumansupervisory,alarmsystemandaccesscontrolareclearlylimited. However,theabnormalbehaviorrecognitionbasedonvideosurveillanceexertsagreat poweronreducingthetasksandpressureoftheprisonstaff.Nevertheless,videoimage captureisonlyabasisoftheabnormalbehaviorrecognitionofvideosurveillance system.Furthermore,theimagesharpnessorotherissuesdeterminetheeffectofthe abnormalbehaviorrecognition,buttheimagecaptureclarityisrestrictedinsome situations,suchasfograin,darknight,etc.Itisdifficulttoseparatethedifferentfaces fromthosewho wearthesameclotheswithin thelimitationof the presentimage processingtechnology.Therefore,basedonZigBeelocationtechnique,theabnormal behaviorrecognition appliedtoprisonsecurity managementwillbeimportant and practical.Thethesiswasstartedtostudytheaboveissue,andthemainresearchparts are as follows.1,Twomethodstoextractpath,videoandwireless,wereanalyzedandcompared, aswellasthecurrentcommonlocationtechnique,algorithmandthedominating abnormalbehaviorrecognitionwerest