视频监控中可变人体行为的识别

为有效识别视频监控中的人体行为,提出了新的人体行为识别模型和前景提取方法.对前景提取,采用背景边缘模型与背景模型相结合的前景检测方法,有效避免了光照、阴影等外部因素的影响.为了快速发现人体运动过程中产生的新行为,采用分层Dirichlet过程聚类人体特征数据来判断是否有未知人体行为产生,用无限HMM对含有未知行为模式的...     

人体检测与异常行为识别联合算法

近年来,异常行为识别算法取得了一定的研究进展,但是针对复杂环境、人体遮挡、动作相似度高等多种挑战,识别算法的适应性、效率、准确性都有待进一步提高。为了解决以上问题,提出了基于特征增强的人体检测与异常行为识别联合算法,首先将视频序列分别送入人体检测网络和特征加强网络,再采用爱因斯坦求和法将特征加强网络输出的多头卷积注意力特征与人体检测网络输出的热力图特征融合,得到加强融合特征,然后利用检测网络输出的人体目标位置特征信息和ROI Align模块对加强融合特征进行人体ROI(region of interest)区域特征截取,得到人体ROI区域加强融合特征,最后将人体ROI区域加强融合特征送入Transformer时序建模网络模块进行人体行为特征时序建模和识别。所提算法充分利用检测网络中间过程产生的行为主体区域特征,弱化了复杂环境中背景的干扰,同时实现了检测网络的输出特征共享,避免了识别网络的二次特征提取过程,从而提高了网络运行效率,且利用Transformer网络的建模优势,能够充分挖掘人体行为空间特征、时序特征以及之间的跨域特征的优势。实验结果表明：所提算法在提高了网络效率的同时大幅度地...     

基于隐马尔可夫模型的ATM机用户异常行为识别

提出一种基于隐马尔可夫模型(hidden markov model,HMM)的ATM机异常行为识别方法.对ATM机前用户存(取)款行为的视频序列用Hu变换提取运动目标的行为特征,采用Baum-Welch算法对正常行为训练并建立隐马尔可夫模型,通过模型输出测试样本序列的概率来识别异常行为.用Matlab对ATM机用户运动行为的模拟视频进行实验仿真,结果表明:该方法对ATM机前的用户行为具有较高的识别率.     

基于运动特征的人体异常行为识别

为了提高监控视频中人体异常行为识别的实时性和准确率,提出了基于运动特征的人体异常行为识别方法。利用分块更新的背景差法从图像中提取出完整的人体轮廓,通过区域关联结合颜色直方图实现人体目标跟踪,解决了非线性运动时漏跟和误跟的问题。通过人体运动轨迹、运动姿态及运动时间3个参数,对人的5种异常行为进行分析判断。实验结果表明,所提算法不仅能实时地对人体进行检测和跟踪,还能快速、准确地识别出异常行为,具有简单实用的特点。     

一种基于Android的智能视频监控系统

为了实现视频监控的智能化,提出了一种基于Android 4.0操作系统的智能视频监控系统的方案,系统具有全景视频采集、图像复原和变换、异常行为检测、高清抓拍、数据回传等功能,采用基于时空特征点的Hessian矩阵检测方法进行异常行为识别,采用满全景拼接的方法实现360°全景呈现,最后设计并实现了该系统.实验结果表明,该系统稳定可靠,携带方便,功能基本实现,有一定应用前景.     

基于半监督学习的人体异常行为识别

需要进行人体异常行为识别的视频一般都是未标记的序列图像,传统的有监督的识别方法往往不能较好地反映其行为的特征,识别率不高.提出了一种基于半监督学习的人体异常行为识别方法,首先使用基于DTW距离的self-training进行标记数据扩充,然后用此扩充的序列图像样本集合训练对应的HMM,最终进行异常行为识别.实验结果证明该方法有效且识别率较高.     

基于序列图像的人体局部运动的视频检测的研究

针对睡眠呼吸系统综合症病人的视频监测,提出了一种基于计算机加图像采集卡的智能视频监测方法,该监测系统运用背景差分法提取出运动目标区域,然后采用运动历史图像(Motion History Image,MHI)实现对病人睡眠过程中的异常行为提取分类,为进一步的了解病人病情及后续的治疗提供可靠的数据资料。     

视频监控中图像异常的分析与检测算法

针对湖泊环保应用中视频监控的特殊性,运用数字图像处理技术,对监控视频中信号缺失和清晰度两种类型异常故障进行研究.文中分别描述了这两种异常类型产生的原因和解决问题的算法思想,最后通过模拟实验加以验证.从实验结果上分析,能够较好地对视频监控中图像的异常进行诊断和及时地预警,并能够对视频图像的质量进行检测.     

基于深度卷积神经网络和深度视频的人体行为识别

传统人体行为识别基于人工设计特征方法涉及的环节多,具有时间开销大,算法难以整体调优的缺点。以深度视频为研究对象,构建了3维卷积深度神经网络自动学习人体行为的时空特征,使用Softmax分类器进行人体行为的分类识别。实验结果表明,提出的方法能够有效提取人体行为的潜在特征,不但在MSR-Action3D数据集上能够获得与当前最好方法一致的识别效果,在UTKinect-Action3D数据集也能够获得与基准项目相当的识别效果。本方法的优势是不需要人工提取特征,特征提取和分类识别构成一个端到端的完整闭环系统,方法更加简单。同时,研究方法也验证了深度卷积神经网络模型具有良好的泛化性能,使用MSR-Action3D数据集训练的模型直接应用于UTKinect-Action3D数据集上行为的分类识别,同样获得了良好的识别效果。     

基于ARM的运动人体检测算法的研究

针对ARM平台资源有限的特点,提出一种适用于该平台的运动人体检测算法.该算法采用三帧差分法对图像序列中的运动目标进行检测,通过统计像素块的方法对阈值分割和形态学处理后的运动目标进行提取,并采用贝叶斯分类器对提取的运动目标进行分类.实验结果表明,该算法能在资源有限的嵌入式系统中实时有效地检测出静态监控场景中的运动人体,且对正常的光线变化具有一定的鲁棒性.     

智能视频分析的车辆异常行为检测方法

针对目前车辆异常行为检测中的检测实时性问题,提出了一种基于智能视频分析技术的车辆异常行为检测方法。车辆出现异常行为时车辆位置变化、速度变化及运动方向变化较大。通过背景差分法检测运动车辆,并采用均值漂移算法跟踪运动车辆,获取车辆位置、速度、运动方向等车辆异常行为判别参数,对3种判别参数的状态函数加权融合检测车辆行为。为验证该算法的有效性,将对真实交通场景中采集的交通视频进行车辆运行状态检测实验。实验结果证明该算法能及时有效地检测出交通场景中的车辆异常行为。     

基于改进瞬时能量的人群异常行为识别算法

人口密度的逐年增加使得公共场所的人群暴乱事件频繁发生,利用相关技术对现有的监控视频进行实时分析,及时对突发的人群异常情况报警,对于维护社会秩序和公共安全具有重要的研究意义。提出了一种基于改进瞬时能量的人群异常行为识别算法,把提取到的人群分布信息和运动信息融合后,计算得到瞬时能量,并与设定的异常阈值比较,以识别人群异常行为。实验结果表明:针对相同的视频数据,该算法降低了传统动能公式因单一考虑人群运动信息而导致对异常行为误检的概率,识别人群异常行为的准确性要高于其他同类方法。     

视频序列对称差分法检测与预测人脸技术

根据视频监控图像在时间和空间上的连续性和相关性,利用视频图像对称差分,找到运动区域,再结合人脸肤色的聚类特征确定出人脸候选区域,改进了基于规则的人脸定位方法,利用人脸的几何特征,实现复杂视频图像中的多人脸检测。运用运动系数加上横向和纵向调节因子,对后续帧中的人脸加以预测。实验表明,该算法复杂度小,准确率较高,对姿态、表情、背景等变化情况下人脸的检测均具有较好的鲁棒性,预测跟踪效果好。     

SVM-KNN分类器在异常行为检测中的应用

提出了一种新的异常行为检测方法,将SVM算法和KNN算法结合,在对识别样本判别时,当其与最优分类面的距离大于给定阈值时,采用SVM分类算法,否则采用KNN算法,从而减少了SVM算法的错误率。实验结果表明,SVM-KNN算法对异常行为检测的准确率达到95.86%。     

基于Trace变换的步态识别算法

提出了基于Hu矩的步态周期检测算法,该算法具有尺度、平移不变性,在预处理的标准中心化之前进行,缩短了步态识别前期处理工作的时间,为实时的步态识别提供可能。在分析步态的投影特征具有身份判别的能力之后,进而引出并说明使用Trace变换特征对步态表达的想法是合理的。提出基于Trace变换的步态识别算法,详细地讨论了三种Trace变换的泛函形式,在CASIA(B)步态库上进行验证实验,最佳识别率可达84.14%。这种方法避免了动态时间规整以及线性时间归一等算法的复杂的调整过程。     

基于ODMA的无线车载视频监控系统

研究了ODMA(机会驱动多址接入,opportunity driven multiple access)无线网络技术,在布建了覆盖完善的ODMA网络的基础上,设计实现了基于ODMA的无线车载视频监控系统.系统借助ODMA网络及时地将现场视频回传至监控中心,提高了安保工作的机动性和实时性,系统目前已在河北大学成功投入使用.     

数字视频监控系统中运动检测算法及应用

运动检测是图像处理和分析系统的关键技术,本文详细阐述了数字视频监控系统中运动物体检测算法中的帧差法,该算法主要基于视频帧图像的变化分析;以及运动方向判断算法中基于视频块的匹配算法,并介绍了基于这两个算法的一个系统的实现.     

一种改进时空域联合的视频对象分割算法

针对移动缓慢的视频对象,提出一种改进时空域联合的视频对象分割算法。时域上通过改进高阶统计算法,利用累积帧差的递归高阶统计算法检测出视频序列中视频对象运动区域。空域上利用Canny算子获得较精确的单帧目标边缘,进行了时域和空域的融合,得到精确运动对象模板后提取运动对象。实验结果表明,该算法与传统递归高阶统计算法相比能精确地对移动缓慢的视频对象进行提取,有一定的理论意义和适用性。