题目类型

基于视频的人体异常行为检测研究（毕业设计）

指导教师

职称

讲师

1．本课题的目的及研究意义

研究目的：

通过查阅学习国内外相关文献资料，了解安防相关技术，视频嵌入式算法相关技术，了解人体行为识别技术的发展过程，了解实现人体异常行为检测在目标检测领域的地位与发展历程，同时对目标检测相关算法，例如基于MATLAB图像（帧差法）算法、Vibe前景检测算法与SURF特征提取算法结合、基于滤波通道特征的行人检测算法、W2KPCA-KNN算法；学习并掌握基于MATLAB图像（帧差法）算法，实现异常情况监测，采集场景若干时间段人体视频数据，对摔倒、过线、区域入侵进行识别。

将以上的研究内容通过MATLAB软件编写GUI，对视频数据进行处理，对时间段内人体行为进行目标检测，行为识别，最后给出统计数据，达到实现人体异常行为检测的目的，进而为安防体系提供更准确、高效的检测技术。

研究意义：近年来,随着经济水平的提高和社会活力的增强,人们正面临愈加复杂的生活与工作环境,对安防监控也有更高的要求。作为智能安防监控系统中的核心技术之一,异常行为检测技术吸引了大量研究者的关注,它能够全天候的对异常行为进行智能预警,在极大提高监控效率,节省人工成本的同时,有效阻止了危害公共秩序的事件发生。在当前主流的异常行为检测方法中,Vibe前景检测算法与SURF特征提取算法结合使用较为广泛。但Vibe前景检测算法在检测过程中存在“鬼影”区域,且易将动态背景误检为前景,对特征提取造成干扰。SURF特征提取算法计算较为复杂,导致了特征提取时间较长，这成为一个极具挑战性的问题。

目前来看，基于MATLAB图像（帧差法）算法有希望解决这一个问题。因为在计算识别速度和鉴别准确率等方面表现优异，已经在未来人体异常行为检测研究设计中具有重要地位。帧差法的原理是利用视频序列中连续两帧或几帧图像的差异来检测和提取目标，该方法的优点是算法简单，易于实现，程序计算复杂度低，由于连续帧图像之间间隔较短，受光照、镜头抖动等环境因素的影响小，能够适应各种动态环境；虽然目前还存在不能检测出静止或运动速度过慢的物体等缺点，但可以确认的是基于MATLAB图像（帧差法）算法具有巨大的优化潜力，如果可以充分发掘基于MATLAB图像（帧差法）算法的潜力与能力，就可以进一步提高人体异常行为检测的技术高度，为社会安全稳定提供了现代技术的力量与帮助。

2．本课题的研究现状

行为识别发展至今，不得不说已经取得了相当可喜的研究成果。国内外的研究学者和机构已经提出了许多方法，也推出了不少产品应用到实际中。Gavrila把行为识别分为2D和3D的研究方法；Aggarwal and Cai提出从单一摄像头转变到多摄像头来跟踪识别人体的运动，并且注重对人体运动的分析；2003年，wang提出一种分层分类的活动层次；Moeslund等人主要集中在基于姿态的动作识别方法，提出了四重分类方法，包括人体运动，初始化跟踪，姿态估计和识别方法；Turaga等人提出了对“动作”和“活动”的含义之间的精细划分；其中，活动识别方法根据它们的活动复杂程度进行分类；Poppe等人把人类行为识别方法分为两大类，分别为“自上而下”和“自下而上”两种；Aggarwal and Ryoo提出一种树型结构分类方法，其中的人类活动的识别方法分为两大类：“单层”的方法和“分层”的方法。

最近几年，三维数据建模是一个新的趋势，它被许多研究学者广泛使用。由于人体四肢是由关节连接的，可以使用更强大的功具模拟这些部分，比如通过深度相机，用来创建一个三维表示的人体，可以比在二维图像平面获得更多的信息来进行分析。Aggarwal and Xia等人最近提出了一个分类的方法，主要利用3D立体和运动捕捉系统来获取人类活动的三维深度数据。微软推出的Kinect在采用深度传感器对动作进行捕捉中具有重要作用。对于行为识别中异常行为的判别，Duque等人提出一种基于自适应背景提取算法，外观模型跟踪技术和连树分类器来自动检测、学习和预测异常行为。H.Foroughi等人提出一种基于整合时空运动图像（ITMI）的方法来检测人类的跌倒事件。使用特征空间技术来提取固有的运动特征，在做运动分类以及跌倒行为的判别时，使用多级支持向量机的策略。他们还提出一种方法来检测老年人的几种姿势，用于家庭环境中对老人的正常和异常的日常行为活动进行监控。这种方法是在人体上圈出最合适的外接椭圆，用投影直方图来提取剪影轮廓以及头部位置随时间的变化，最后，MLP神经网络用于对跌倒事件的分类和判别。A.Elgammal等人提出一种简化背景减除法算法，采用无参的背景模型来提取感兴趣区域。这种模型通过计算最近历史像素强度概率值，在背景杂乱、非静止的情形表现出很好的效果。G.Haibo等人提出一种方法，使用最优化的主成分分析（PCA）来进行特征提取，采用平行坐标图来表示图像的多元信息，以此来分析PCA特征提取之后的数据。他们分析的PCA只取决于协方差矩阵。Yamato等人提出一种基于特征的人体行为识别方法，将时间序列数据转换为特征向量来训练人的行为，并使用HMM方法来对行为进行分类。

3．本课题的研究内容

1．了解视频相关技术和目标检测相关算法，学习MATLAB软件基本编程方法，查阅相关文献资料。

2．学习并使用MATLAB软件，基于图像（帧差法）实现异常情况检测，如运动目标检测、行为识别。

3．采集某场景若干时间段人体视频数据，对摔倒、过线、区域入侵行为进行识别；

4．运用软件编写GUI，对视频数据进行处理，对时间段内人体行为目标检测、行为识别，给出统计数据，并对准确性和速度进行论证分析。

4．本课题的实行方案、进度及预期效果

实行方案：使用MATLAB软件，基于图像（帧差法）实现异常情况监测，如运动目标检测、行为识别。

采集场景若干时间段人体视频数据，对摔倒、过线、区域入侵进行识别。将以上的研究内容通过MATLAB软件编写GUI，对视频数据进行处理，对时间段内人体行为进行目标检测，行为识别。

进度：

1．2020.1.16-2.10，接收任务书，收集论文相关文献资料，开始撰写开题报告。

2．2020.2.11-2.28，理解研究相关内容，完成设计框架，完成开题报告。

3．2020.3.01-4.01，完成初稿（毕业设计同时完成实验阶段）。

4．2020.4.02-4.30，完成二稿（毕业设计同时完成数据整理分析阶段）。

5．2020.5.03-5.09，毕业论文（设计）中期检查。

6．2020.5.03-5.10，毕业论文（设计）三稿并定稿。

预期效果：建立基于MATLAB图像（帧差法）算法模型，通过MATLAB软件编写GUI进行实现，对时间段内人体行为目标检测、行为识别，最后给出统计数据，并对准确性和速度进行论证分析。

5、已查阅参考文献

[1]兰红,田进,李淑芝,刘立辉,基于MatlabGUI的图像处理平台设计[J].江西理工大学学报.2014.35(03).

[2]张光辉,任敏,基于MATLABGUI的图像处理实验系统设计[J].河北北方学院学报(自然科学版).2018.34(05).

[3]楼中望,姚明海,瞿心昱,阮涛涛,朱晓明,基于W2KPCA-KNN算法的人体异常行为识别[J].计算机系统应用.2011.20(02).

[4]唐浩漾,张小媛,王燕,杨青,基于生成对抗网络的人体异常行为检测算法[J].西安邮电大学学报.2020.25(03).

[5]王恬,李庆武,刘艳,周亚琴,利用姿势估计实现人体异常行为识别[J].仪器仪表学报.2016.37(10).

[6]赵仁凤,视频监控中人体异常行为识别[J].宿州学院学报.2018.33(11).

[7]陈春雨,周胜,基于视频的人体异常行为检测与识别[J].哈尔滨商业大学学报(自然科学版).2014.30(06).

[8]汪大峰,刘勇奎,刘爽,保文星,王巍,视频监控中跌倒行为识别[J].电子设计工程.2016.24(22).

[9]孙宝聪,基于图像检测的机场人员异常行为分析技术研究[J].数字通信世界.2020(01).

[10]张建,基于行走轨迹的异常行为分析[J].中国公共安全.2013(20).

[11]董莹荷,胡国胜,视频监控系统中异常行为检测与识别[J].机械设计与制造工程.2020.49(03).

[12]王帅鹏,赵凯,基于图像处理的人员异常行为监测设计[J].现代电子技术.2015.38(06).

[13]吕星,拥挤行人异常行为智能检测仿真[J].数字通信世界.2020(12).

[14]朱国安,王金祥,室内视频监控中孤寡老人异常行为检测与告警[J].内江科技.2020.41(02).

[15]陈楠,洪峰,邹焕新,葛鲲鹏,侯梦琳,视频智能监控技术[J].数字技术与应用.2016(07).

[16]赵仁凤,视频监控中人体异常行为识别[J].宿州学院学报.2018.33(11)

[17]陈东隅,室外安防监控的人体异常行为检测算法研究[D].长春理工大学.2019.

[18]Poppe,R.A survey on vision-based human action recognition.Image Vis.Comput. vol.28,pp.976-990,2010.

[19]Aggarwal,J.K.,and Ryoo,M.S.Human activity analysis:a review.ACM Comput. Surv.vol.43,pp.1-43,2011.

[20]Aggarwal,J.K,and Xia,L,Human activity recognition from 3D data:a review. Pattern Recognit.Lett,vol.48,pp.70-80,2014.

[21]H.Foroughi, H.S.Yazdi, H.Pourreza,and M.Javidi, An eigenspace-based approach for human fall detection using integrated time motion image and multi-class support vector machine,4th International Conference on Intelligent Computer Communication and Processing, pp.83-90,2008.

[22]G.Haibo,H.Wenxue,C.Jianxin,and X.Yonghong.Optimization of principal component analysis in feature extraction.IEEE International Conference on Mechatronics and Automation,pp.3128-3132,2007.

6、指导教师意见

该生毕业论文选题，紧扣学院学科专业方向，对社会现在广泛应用的人脸识别系统进行学习和研究，为下一步的发展建设提供新的想法思路，具有现实意义，通过本科阶段的相关专课业学习，有完成选题的条件和能力。

该生对于所开课题进行了较为详尽的调研，参考了许多文献，课题内容是学生所学专业知识的延续，符合学生专业发展方向，对于提高学生的基本知识和技能，对于提高学生的研究能力有益，其开题报告体现了我院培养专业性人才的目标要求。

研究方法和研究计划合理，难度合适，学生能够在预定时间内完成该课题的设计，同意该课题开题。

指导教师签名：        年      月      日

7、所在专业（方向）审查意见

负责人签名（公章）：

年      月      日