复杂机场监控环境下的行为检测计算机应用技术专业论文.docxVIP

1[1ll 1[1ll lllq llllll II 1 11 11I 硕}：论文 复杂机场监控】 Y1 9 1 8584 摘 要 在计算机视觉和模式识别领域，动态场景下的行为检测和识别是最受关注的研究方 向之一，它具有很广泛的应用前景。但是现今大多数的研究都是针对于简单环境的，如 果将现有的方法直接应用于复杂场景下，检测和识别效果不佳，所以本文提出使用拆分 模型来提取复杂场景下的目标行为，从而提高行为识别率。 本文主要是针对复杂机场环境下的行为检测。机场视频量大，活动对象多而且复杂， 互相遮挡比较严重，所以本文主要是针对靠近摄像头区域的人类行为，对于远离摄像头， 动作细微的行为不进行检测识别。 本文中提取运动人体区域使用的是帧间差的方法，提取对象特征使用的是兴趣点的 方法。所谓的兴趣点就是在整个视频段上像素变化的局部最大值，这些兴趣点能反映行 为的局部特征，而这些局部特征的组合就能区别不同的行为。兴趣点的提取采用Hams 角点的方法。鉴于上述第二段所讲述的机场视频的特征，本文的研究重点在于如何从复 杂环境下提取目标行为的特征，即从整个场景下的兴趣点集合中获取目标行为对应的兴 趣点集合。解决这个问题的方法是采用Graphviz工具和k-means聚类方法，在人工交互 的情况下，提取最贴合目标行为的特征。通过这个拆分过程可以训练得到一个拆分模型。 本文中每个行为视频的描述采用的是bag—of-words的方法，利用所有训练样本提取 的cuboids特征聚类生成visual words，则每个行为视频叮以表示为各类visual word出现 概率的一个向量，然后利用SVM训练得到行为模型。 测试样本进行测试的时候首先提取特征，然后将特征输入拆分模型判定拆分与否， 得到该样本的拆分树状图，然后对所有叶子节点提取euboids，并利用bag．of-words的方 法描述节点视频，然后输入行为模型进行行为分类，取得了不错的识别效果。通过实验， 本文中所提出的方法取得了85．366％的正确率，充分说明了引入拆分模型对识别率提高 的关键作用。 关键词：视频监控，Harris角点，Graphviz，k-means，bag—of-words，支持向量机， 拆分模型 硕士论文Abstract 硕士论文 Abstract In the field of computer vision and pattern recognition，behavior recognition in dynamic scenes is one of the most active research topics．It has a wide spectrum of promising applications．But most of the researches now are for the simple background，if the methods are applied in the complex scenes directly,the recognition rate is not ideal．So this paper proposes a method with the split model to get a better recognition rate． This paper is focused on behavior recognition in the airport．The amount of airport surveillance video and the video size are both impressive．The airport scene is very complex． It involves many moving objects，and也ey occlude each other badly．So this paper pays main attention to the behaviors close to the camera,and the others are ignored． This Paper uses the temporal differencing for the object detection and the interest points as the behavior feature．Interest points refer to the points with a significant local variation of image intensities．The interest points reflect the local features