基于运动背景相减法的视频异常检测研究-模式识别与智能系统专业论文.docxVIP

南 京 邮 电 大 学 硕士学位论文摘要 学科、专业：工学 模式识别与智能系统 研 究 方 向： 图像处理与模式分类 作 者：2009 级研究生 袁丽雁 指 导 教 师：王保云 教授 题 目：基于运动背景相减法的视频异常检测研究 英 文 题 目 ： Video Anomaly Identification by Motion Background Subtraction 主 题 词：像素点，动态提取，事件建模，异常检测，物体定位 Keywords ： pixel level, dynamic extraction, event modeling, anomaly detection, object localization 南京邮 南京邮电大学硕士研究生学位论文 摘要 I I 摘 要 计算机技术与信息技术在人工智能、数字图像处理、模式识别等领域的突飞猛进的发展， 使人们可以利用摄像机来得到转换后的场景中物体图像的数字信号，然后用计算机对它进行 信息处理，实现对视频信息的自动监视。如此，从某种程度上来说就替代了人类繁琐的监视 工作，从而大大减轻了劳动强度，提高了工作效率。 本文提出了一种基于运动背景相减法的视频异常事件检测方法，该方法利用像素点的时 空特性，不需要先对目标进行标签，识别，归类和跟踪，需要的计算量和内存消耗较少，实 时性良好。后续处理中采用改进后的运动历史图像的方法，提高了物体连通性，有利于物体 结构化分割，实现了对异常物体的准确定位。 文中对异常事件的检测，没有针对特定类型，而是将偏离模型一定阈值范围之外的事件 都作为异常进行处理。异常事件检测系统主要分三个步骤完成：运动目标检测、异常事件检 测和异常物体定位。首先，在运动目标检测阶段，我们将利用背景减除法获得的差分图像经 二值化操作检测出视频中的运动目标。然后在异常事件检测阶段，对每一像素点通过时空共 生模型进行建模，利用训练过程取得的正常概率，经阈值比较判断该像素点是否正常。最后， 采用改进后的前后向 MHI 方法对异常检测输出结果在进行图像结构化时产生的不足进行弥 补，定位我们的异常运动物体。 文中的仿真实验通过具体实验效果选择最佳参数值，每一处理步骤都截取了多幅图像来 显示实验效果。通过实验证实，论文中讨论的方法在视频异常检测过程中实时性准确性良好。 关键字：像素点，动态检测，事件建模，异常检测，物体定位 南京邮 南京邮电大学硕士研究生学位论文 Abstract I II Abstract The rapid development of computer technology and information technology in the fields of artificial intelligence, digital image processing and pattern recognition makes people can get the digital signal of object images in the scenes, and then use the computer to achieve the automatic monitoring of the video information through information processing. In this paper, a motion background subtraction based method was proposed to detect anomalous events in the traffic videos. The approach makes good use of the spatiotemporal characteristic, objects identifying, classifying or tracking is not needed at first in this method, and it calls for less computation and memory consumption. However, a improved anomalous object localization by forward-backward MHI(motion history image) algorithm was used to enhance the correctness of the unusual events detection system. There is no clear definition of anomaly events. The met