摘 要

本文是在Matlab环境下研究基于时空计算的视频异常检测方法，并对结果进行分析。众所周知，在人口数目大的场合中意外事故很容易发生。假设可以实时的监测出异常群体事件，那么就可以避免不测事件的发生。因此，有效的视频异常检测对于我们来说意义深远。

经过研究发现，人群的行为方式多种多样，并且十分复杂，必须监控着人群的行为，从而为了研究群体事件，提取并检测群殴事件的相关特征是必不可少的。首先，我们介绍了人群密度估计的3种研究方法，并且详细的分析它们的优势和劣势。然后，对光流的概念进行定义，并且介绍了H-S光流向量的计算。我们通过观察发现，群殴事件较正常事件相比，它的运动强烈、人群密度比较大且运动方向无序。正是这些不同特征点的存在，我们提出了一种基于时空计算的视频检测算法，通过该算法，可以找到从正常事件中辨别出群殴事件的方法。

本文提出的异常检测算法主要分为4大部分：首先，对待测图像进行预处理；然后，估计出人群密度，这里我们运用的是基于像素统计的密度估计方法；接着通过光流法对人群的运动状态进行估计；最后对视频不断的进行阈值调试，直到特征值的阈值可以有效判断出异常事件的发生。

关键词： H-S光流向量；图像预处理；异常群体事件；智能监控

Abstract

This article is in the Matlab environment research video anomaly detection method based on the calculation of time and space, and analyze the results.As is known to all, in the case of large population accidents occur easily.If it can be for real-time monitoring of abnormal mass incidents, we can avoid unnecessary tragedy.Therefore, effective video anomaly detection has very important meaning for us.

There are various ways through the study found that the behavior of the crowd, and is very complex, must monitor the behavior of the crowd, thus to study the mass incidents, extraction and detection characteristics related to brawl is indispensable.First, we introduced the crowd density estimation of three kinds of research methods, and analysis of their advantages and disadvantages in detail.Then, we give the definition of optical flow, and introduces the H - S optical flow vector calculation.Through the observation, we find that brawl with population density is larger, movement characteristic and movement direction desultorily, etc.Is there the differences, we put forward a kind of abnormal mass incidents detection algorithm, through the algorithm, can be found from the normal incident tell brawl.

Anomaly detection algorithm is proposed in this paper is mainly divided into four steps: first, to test the image preprocessing;Then, using statistics based on pixel density estimation method to estimate the population density;Then through the optical flow method to estimate the motion state of;Finally on the adjustment of the threshold value of video until the characteristic value of threshold can effectively judge the abnormal events happen.

Key words: H - S optical flow vector;Image preprocessing;Abnormal mass incidents;Intelligent monitoring

目 录

第1章 绪论 1

1.1 研究目的及意义 1

1.2 国内外研究现状 1

1.3 论文主要研究工作 1

第2章 相关理论基础 3

2.1 图像预处理 3

2.1.1 形态学处理 3

2.1.2 噪声消除 5

2.2 异常群体事件识别 6

2.2.1 群殴事件的特征分析 6

2.2.2 聚集事件的特征分析 6

第3章 群殴事件分析 8

3.1 人群密度估计 8

3.1.1 基于像素统计的人群密度估计算法 8

3.1.2 基于纹理分析的人群密度估计算法 10

3.1.3 基于个人特征提取技术的人群密度估计算法 11

3.1.4 各种人群密度估计算法的分析与比较 12

3.2 人群运动估计 12

3.2.1 光流法概念 12

3.2.2 光流法用于目标检测的原理 13

3.2.3 光流法用于目标跟踪的原理 13

3.3 H-S光流向量计算 13

3.3.1 亮度恒定假设 13

3.3.2 光流基本方程 13

3.3.3 孔径问题 14

3.3.4 平滑性准则 15

3.3.5 总误差目标函数 16

3.3.6 时空图像差分方法 16

3.3.7 总误差目标函数的最优化方法 16

3.3.8 求解过程的数值计算方法 17

第4章 群殴事件实验结果与分析 18

4.1 算法概述 18

4.2 算法仿真 20

第5章 总结及未来工作展望 25

5.1 小结 25

5.2 未来工作展望 25

参考文献 26

致谢 27

第1章 绪论

1.1 研究目的及意义

当今社会，在我们日常活动的场所中，常常会有监控系统来监控我们的行为，以对异常事件进行实时的监测。对于视频监控系统来说，构成该系统需要有上百台摄像机。这类监控系统通常用来监控并接收成百上千台摄像机传回来的有效信息，并存储起来有效信息，该系统还可以由安全人员对视频监视墙进行监控。然而，人的集中注意时间很短，安全人员是不可能长时间心无旁骛的对由摄像机返回的视频信息进行观测，并且几乎是同一时间，即便可以, 也不过是只有几分钟罢了。所以在目前看来，智能识别功能只能是移动侦测和事发后用来查询的工具，它不具有智能识别的功能，并且“智能预警”性能也必须要有人在值守的情况下才有效。

随着科学技术的快速发展，多媒体技术有了很大程度上的提高，而智能视频监控系统也自然地发展了起来。智能视频监控是一门新兴的领域，它是由着数字图像处理、计算机视觉、模式识别等多领域穿插在一起^[1]。而对视频信号进行处理、分析和了解，我们可以通过使用计算机视觉技术来实现。在异常事件发生时，可以实时并自动地辨别出可能的异常事件，而且可以提供实时报警。因而在当今社会，我们迫切需求智能视频监控系统来进行对异常事件的实时监测。

1.2 国内外研究现状