基于视频的人体异常行为检测算法研究

基于视频的人体异常行为检测算法研究(任务书,开题报告,外文翻译,论文13000字)
摘要
伴随着人们对社会公共安全问题的逐步重视,越来越多的视频监控系统正被运用到了各种各样的公共场合中。视频的实时自动检测和分析，对于有效的节省物力人力,具有非常重要意义，而人的异常行为的分析判断是其中一项重要的研究课题。
本文在研究和分析基于视频的人体运动分析关键技术的基础上，综合考虑智能监控中人体异常行为分析识别的各种要求，对监控系统中运动的人体进行自动检测、跟踪、行为分析等关键技术进行了深入研究。目标的跟踪与检测采用帧间差分法，该算法能够实时的跟踪视频中运动的人体。异常行为的识别采用质心的坐标以及人体的跟踪矩形框的面积来进行判别
关键字：视频监控  异常行为  帧间差分法  质心
 
The research of Algorithm about the analysis of the abnormal behavior in the video
Abstract
With people's public security issues has been paid more attention, more and more video surveillance system has been applied to a variety of public occasions.The real-time automatic detection and analysis of video have a very important meaning to the saving of Human and material resources.And the analysis and identification of abnormal behavior of people is one of the most important part of the research
On the basic of the research and analyasis about the key technology of the analysis about human motion in the video.Comprehensively analysis diffierent requirement in the the analysis and identification of abnormal behavior of people in the video.We make a deep research about the detection,tracking and identification of the body in moving in the video.The detection and tracking use the inter-frame method of  difference.The method can real_time track the body in the video.The identification of  abnormal behavior use the coordinate of the centroid and the area of the body.
Keywords: video monitoring; abnormal behavior; the inter-frame method of  difference; centroid
 

目录
摘要    I
ABSTRACT    II
第一章 绪论    1
1．1 研究背景及意义    1
1．2 关键技术研究现状    2
1．3 计算机视觉和人工智能技术在监控视频分析中的应用    2
1. 4 使用软件（MATLAB）介绍    3
1．5 本文的研究内容、方法与主要成果    5
1．6 论文结构安排    6
第二章 目标的检测与跟踪    7
2.1 引言    7
2.2 目标提取    8
2.2.1 引言    8
2.2.2 帧间差分法    8
2.2.3 背景差分法    9
2.2.4 背景差分法与帧间差分法结合    10
2.2.5 算法描述    10
第三章 异常行为识别    11
3.1引言    11
3.2系统实现步骤    12
3.2.1 识别跌倒    12
3.2.2 识别人体长时间不运动    12
3.3 具体步骤    13
3.3.1 识别跌倒或者短时间下蹲的实现    13
3.3.2 识别长时间站立不动的实现    13
第四章 系统实现与实验结果    15
4.1硬件设备组成    15
4.2系统软件仿真    15
4.2.1运动目标检测与跟踪结果    16
4.2.2 异常行为分析结果    17
4.3 小结    21
第五章 总结与展望    23
5.1本文总结    23
5.2展望未来    24
参考文献：    25
致谢    27
附录    28