基于Markov随机场的视频异常挖掘研究-计算机软件与理论专业论文.docxVIP

Nanjing University of Aeronautics and Astronautics The Graduate School College of Software and Theory of Computer Research on Video Outlier Mining Based on Markov Random Field A Thesis in Software and Theory of Computer by Xiang Xuemin Advised by Professor Pi Dechang Submitted in Partial Fulfillment of the Requirements for the Degree of Master of Engineering December, 2011 承诺书 本人声明所呈交的博/硕士学位论文是本人在导师指导下 进行的研究工作及取得的研究成果。除了文中特别加以标注和 致谢的地方外，论文中不包含其他人已经发表或撰写过的研究 成果，也不包含为获得南京航空航天大学或其他教育机构的学 位或证书而使用过的材料。 本人授权南京航空航天大学可以将学位论文的全部或部 分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。 （保密的学位论文在解密后适用本承诺书） 作者签名： 日 期： 南京航空航天大学硕士学位论文 南京航空航天大学硕士学位论文 基于 基于 Markov 随机场的视频异常挖掘研究 I I PAGE PAGE IV 摘 要 目前，视频监控在学校、车站、银行和机场等公共场所中发挥中极其重要的作用，然而 传统的视频监控完全依靠人工进行视频信息处理，其事件和精度特征都难以满足系统安全的 需要，因此，采取智能的方法来处理这些海量的视频监控数据以提高系统的有效性与可靠性 是亟待解决的问题。近年来刚刚兴起的视频异常挖掘技术，是应用数据挖掘技术实现图像异 常模式分析的多学科交叉课题，它融合了数据挖掘、图像处理、计算机视觉、机器学习、模 式识别与人工智能等研究领域，已经在视频监控系统发挥着重要的作用，其核心任务是从视 频底层特征中，提取出视频序列中隐含的、潜在有用的知识和其他隐含的图像模式。 本文从图像处理和数据挖掘技术出发，以视频异常事件检测为核心任务，研究了智能视 频监控系统的关键技术，本文所做的工作的和主要创新点有： (1) 提出一种面向固定摄像机环境下的运动目标检测方案，利用马尔可夫随机场与最大 类方差法的混合模型对视频序列进行前景分割，以达到对运动目标检测的目的。该方法具有 检测精度好、训练与检测效率高、对噪声不敏感的特点； (2) 提出了一种新的基于马尔可夫链模型的异常行为检测算法，该算法通过对象的局部 特征对对象的行为特征向量进行概率密度估计，不仅达到降维的目的，同时降低了行为分类 检测的复杂度。通过实验分析表明，该方法总体上达到了 80%以上的正确检查率； (3) 针对多人之间发生异常行为进行研究，提出一种能准确的辨识此类异常行为的异常 算法。该算法在传统的能量模式基础上，根据马尔可夫随机场邻域相关的特性，加入连续帧 的动态特征，重新构造了能量函数，然后对整幅图像中的所有像素点的能量进行累加并用能 量曲线进行数据分析。最后与传统的方法比较表明了该异常检测算法的优越性。 关键词：视频异常挖掘; 异常行为检测; 马尔可夫随机场; 马尔可夫链模型; 能量模式 ABSTRACT Video surveillance is a key means to reinforce security in some important public places such as school, railway stations, banks, airports etc, and traditional surveillance systems depend entirely on the humans for analysis and decision making. But limited by human physiological character, people can only monitor a limited number of surveillance screens for a limited duration of time. Therefore, there is an increasing demand for automatic methods for analyzing the vast quantities of data generated continuously by Vi