摘 要

本文借助了计算机视觉开源库OpenCV，基于VS2015对监控视频中的异常情况进行检测。本文以日常生活中最为常见的两种情况，车辆超速和人车混行为例，验证了光流法和背景差分法的可行性。通过对不同情况的分析，选取最合适的检测方法，这一过程对于未来智能监控系统的发展有重要意义。

论文主要研究了视频异常检测的不同方法并对其进行总结。

研究结果表明：当视频中的人像或物体可以基于像素点运动速度进行分类时，我们可以采用光流法进行特征提取；当视频背景变化较缓慢，光照变化较小时，我们可以采用背景差分法进行特征提取；当检测目标不存在运动过快或过慢的情况时，我们可以采用帧差法进行特征提取。

本文的特色：本文在验证已有算法的可行性之上，还对过往算法进行改进，减少了数据量，提高了检测效率和准确性。

关键词：OpenCV 视频异常检测 光流法 帧差法

Abstract

This paper uses the computer vision open source library OpenCV to detect abnormal conditions in the surveillance video based on VS2015. In this paper, the feasibility of the optical flow method and the background difference method is verified by the two most common situations in daily life, such as vehicle overspeed and mixed behavior. Through the analysis of different situations, the most suitable detection method is selected, which is of great significance for the development of intelligent monitoring systems in the future.

The paper mainly studies and summarizes the different methods of video anomaly detection.

The research results show that when the portrait or object in the video can be classified based on the moving speed of the pixel, we can use the optical flow method for feature extraction. When the background of the video changes slowly and the illumination changes are small, we can use the background difference method. Feature extraction; when the detection target does not have too fast or too slow motion, we can use the frame difference method for feature extraction.

The characteristics of this paper: In addition to verifying the feasibility of existing algorithms, this paper also improves the previous algorithms, reduces the amount of data, and improves the detection efficiency and accuracy.

Key Words：OpenCV Video anomaly detection Optical flow method Frame difference method

目 录

第1章 绪论 1

1.1 研究目的意义及重要性 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 腐蚀 3

2.1.2 膨胀 4

2.1.3 图像滤波 5

2.1.4 视频分块 6

2.2 特征提取的方法 6

2.2.1 背景差分法 7

2.2.2 帧差法 8

2.2.3 光流法 8

2.2.4 方法比较总结 9

2.3 特征选择 10

2.3.1 原理和意义 10

2.3.2 特征类型 11

2.4 特征融合 12

2.4.1 特征融合的概念和意义 12

2.4.2 特征融合的常用方法 13

第3章 视频异常事件检测方案设计 14

3.1 车辆超速检测方案设计 14

3.1.1 视频分块处理 14

3.1.2 特征提取的方法选择 15

3.1.2 光流法 16

3.1.3 检测流程 17

3.2 人车混行检测方案设计 18

3.2.1 视频分块 18

3.2.2 特征提取 19

3.2.3 检测流程 20

第4章 设计实现与结果分析 22

4.1 车辆超速检测的实现 22

4.2 人车混行检测的实现 24

4.3 结果分析 27

第5章 总结及展望 28

5.1总结 28

5.2展望 28

参考文献 29

致谢 31

第1章 绪论

1.1 研究目的意义及重要性

随着平安城市建设的理念逐步深入人心，治安防控体系建设也越来越受到人们关注。视频监控系统的地位日益的凸显出来。研究异常行为检测方法的目的是捕捉视频中异常目标，并分析目标的行为，生成预警信号，避免不必要的损失或伤亡。^[1]当面临紧急性、突发性、群体性等事件时，监控视频能实时的还原现场的真实状况，为尽早发现异常事件，减小生产损失，保障人身安全提供了重要作用。实行对目标定位和精准检测，研究运动目标特征提取和检测技术，在运动目标成像和三维特征识别中具有很好的应用价值。

随着软硬件的发展，智能视频监控的概念逐渐兴起，智能视频监控系统涉及到数字图像处理，计算机视觉，模式识别等多个领域。而其中最重要的部分就是异常事件的检测技术。一个合格的异常检测系统要求视频监控系统能够自主得对视频中各个运动物体进行智能分析，当检测到异常事件发生时要能够对管理人员发出提醒。这种实时、智能的监控视频系统对于社会公共安全有很大价值，对于经济领域也有很大的应用前景。

1.2 国内外研究现状

国外研究者在基于聚类的异常检测方向取得了成功。提出基于聚类的方法是因为正常事件出现的频率较高占数据的主体部分，而异常事件与正常事件不同且发生频率较低产生的异常数据在整个数据集中只占很小的一部分。^[2]例如，冲入人群的汽车可以被判定为异常事件，超过正常速度行驶的汽车也可以被判定为异常事件。因此，可以对所有视频事件执行无监督的聚类。具有共性的事件可以被定义为正常事件，代表常规规则，而那些产生远离所有聚类中心的异常值的事件则被定义为异常事件。但这个方法仍存在一些局限性，它忽视时空的关联性，也忽视了多个监控对象的相互作用，即使单个对象的数据属于聚类，但他们相互作用后，也可能产生异常事件。因此，目前国外提出的基于轨迹聚类的异常检测并不能完全精准得检测出异常事件。^[2]

在国内，视频分析处理也得到各种科研工作室越来越多的关注，例如中科院设立的研究小组在人体跟踪，三维检测方面取得的重大进步。该项目能够对监控视频实现高效的背景，对象分离，建立三维模型，基于方向和速度对人体进行跟踪。^[3]

1.3 论文主要研究工作

第1章简要讲述了本次毕业设计研究的目的和重要性，简单介绍了国内外的研究现状和成果