基于神經(jīng)網(wǎng)絡(luò)和光流場(chǎng)的視頻種行人行為檢測(cè)

F1F2F3 · 發(fā)表于 2022-7-20 08:22:38

隨著計(jì)算機(jī)硬件設(shè)備的不斷升級(jí)以及人們對(duì)公共場(chǎng)所的安全需求不斷提升，智能視頻監(jiān)控系統(tǒng)的重要性日益凸顯。而智能視頻監(jiān)控中的兩個(gè)最基本的問題，行人檢測(cè)與異常行為分析，也逐漸成為了計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)。本文主要的研究?jī)?nèi)容是基于視頻的行人檢測(cè)與異常行為分析，本文分別對(duì)這重要的兩項(xiàng)技術(shù)提出有效的解決方案。由于人體有著多變的外觀以及可能出現(xiàn)多種狀態(tài)，因此，在視頻中進(jìn)行檢測(cè)行人是一項(xiàng)非常困難的任務(wù)。首要的困難就是怎樣提取一個(gè)魯棒的人體特征集，這種特征集要求能在不同光照條件的復(fù)雜背景下，能夠消除人體各種形態(tài)的歧義。通過實(shí)驗(yàn)，可以知道，用局部正規(guī)化的梯度直方圖（Histogram of Oriented Gradients,HOG）方法提取出的特征值，比用現(xiàn)存的其它特征提取方法，提取出的特征值，更加適應(yīng)視頻中行人檢測(cè)的要求。為了簡(jiǎn)單和處理速度，本文采用BP神經(jīng)網(wǎng)絡(luò)分類器，對(duì)訓(xùn)練樣本進(jìn)行分類。在得出初步的檢測(cè)框之后，在框中的1/4以上的位置進(jìn)行頭部檢測(cè)，從而可以降低誤檢率。在描述幀信息時(shí)，本文使用了光流法。統(tǒng)計(jì)出每個(gè)子區(qū)域中的光光流場(chǎng)直方圖變化，最后就可以得出每個(gè)節(jié)點(diǎn)塊的特征描述符。最終結(jié)合視頻的時(shí)空特性，通過求解MRF模型的能量函數(shù)，判斷出是否有異常行為發(fā)生。這部分使用了光流法提取出像素點(diǎn)的運(yùn)動(dòng)方向和速度信息，能夠有效的在多場(chǎng)景中完成行人檢測(cè)與異常行為分析的任務(wù)。
光流場(chǎng)直方圖的代碼
  % 光流場(chǎng)塊區(qū)域
      flowi.Vx = flow.Vx(rc(i,1):rc(i,2), rc(i,3):rc(i,4));
      flowi.Vy = flow.Vy(rc(i,1):rc(i,2), rc(i,3):rc(i,4));
      flowi.Orientation = flow.Orientation(rc(i,1):rc(i,2), rc(i,3):rc(i,4));
      flowi.Magnitude = flow.Magnitude(rc(i,1):rc(i,2), rc(i,3):rc(i,4));
      % 直方圖統(tǒng)計(jì)
      opticflow_histi = get_opticflow_hist(flowi);
      opticflow_hist = [opticflow_hist; opticflow_histi];