视频中异常行为自动检测技术研究

为提升计算机对视频中异常行为的识别、判断能力,提供及时发现异常行为并阻止其造成更大损失的可能性,本文提出2种基于视觉低层特征设计的异常行为检测技术,利用混合高斯模型和区域像素灰度值判断运动目标是否进入危险高度,进而达到对攀高的检测;利用光流—聚类法和目标跟踪法实现初步、精确判断是否存在逆行行为。攀高实验中选取2个不同场景下的视频,逆行实验选取室外复杂环境中拍摄的视频进行检测,检测结果显示:攀高检测中,无误检;逆行检测中相较于传统光流法,误检率明显降低。

复杂动态背景下视频中逆行检测技术

针对高铁站、机场以及商场等人流量大且进出口秩序要求严格的公共场所能够满足安全稳定的需求,对视频监控中出现的行人逆行行为进行实时警报以便工作人员及时采取措施降低逆行行为可能造成的损失,提出一种逆行检测技术,基于光流和聚类结合的方法对视频中可能出现的逆行事件进行初步检测,若初步检测存在逆行行为,则对目标进行检测、跟踪,根据其形心运动轨迹判断是否真实发生逆行。该方法较传统光流法检测逆行可以有效降低光照带来的影响,提高检测精准率,适用于视频中复杂动态背景下的逆行检测。

人群运动背景下视频中攀高行为自动检测技术

针对视频监管区域攀爬翻越、居住生活区域攀爬盗窃以及疫情封管区域(如学校)翻墙进出等一系列可能造成危险的不法攀高行为实现智能预警。通过自适应混合高斯模型对视频帧进行背景建模以提取前景,对前景规定的危险高度区域进行区域灰度值统计,根据两个阈值的设定,当规定区域超过灰度阈值的像素个数总和超过个数总和阈值时,实时发出警报以协助公安对危险行为及时采取制止措施。利用室内单人、室外多人的不同场景进行多次攀高检测实验,均可实时准确地对危险攀高行为发出警报。本文方法主要有两个优点:无需对运动对象的表观特征进行提取判断,降低复杂背景情况下的误检率;自适应混合高斯模型提升了算法效率,更好地满足了自动检测实时性的要求。