毕业论文网
该文是关于智能家居论文范文，为你的论文写作提供相关论文资料参考。
基于光流动能的智能家居室内异常行为识别
【摘 要】 本文根据室内异常行为的语义特征,提出了智能家居视频监控中,一种基于光流动能的室内异常行为识别方法,并将该方法进行了实践验证.
【关键字】 视频监控 异常行为识别 光流法 光流动能
一、引言
室内异常行为识别是智能家居一种重要的应用场景.一般意义上的室内异常行为识别主要借助于各类传感器,实现对引起典型环境因素（如光照、火焰、烟雾）突变的异常类型的识别和监测.事实上这是远远不够的.智能家居的核心主体是“人”,关注“人”的异常才能实现全面的室内异常检测.因此,监测人的活动是智能家居中一个十分重要环节.视频监控能在较好的场景视角下关注人体活动,因而是智能家居中一个重要模块.本文基于图像处理技术,结合环境语义特征,建立了一种基于视频监控的室内异常检测模型,并进行了实践验证.
二、异常行为检测算法
视频监控中的异常行为识别,关键是利用图像分析和图像理解技术,对人的行为进行分析和识别[1].涉及的技术环节包括人体自动检测、行为特征提取、行为理解和描述.通过以上环节,构建出量化异常检测模型.与正常行为不同的是,异常行为具有以下特点：偶尔发生；无法提前预知[2].为此,有学者提出了检测异常行为的标准：小概率行为或与先验规则相反的行为；与已知正常行为的模式不匹配的行为[3],实际应用时往往是根据这两个原则构建量化模型进行异常识别.
考虑到室内环境一般用于居住或办公,因此可以形成如下语义特征：场景一般不会剧烈变动；人体活动较为“规律”和“舒缓”.室内异常检测的实质是检测出室内无规律性的、速度超过阈值的运动目标.结合智能家居应用实践,异常运动目标检测过程中需要做到以下几点：处理速度要快,异常检测速度必须要快于目标离开背景的速度；抗干扰能力强,不能受到天气、亮度等的过度干扰.通常来说,满足这些条件的算法有三种：帧差法、背景差法和光流法,其中尤以光流法的准确度高.
光流是带有灰度的像素点在图像平面运动所产生的瞬时速度场,是一个矢量.假设G(x,y,t) 为图像上的(x,y) 点在时刻t 的照度值[4],设t+dt 时刻该点运动到(x+dx,y+dy) 点,则它的照度为G(x+dx,y+dy,t+dt).对于同一个点,应该满足：
其中,α 和β 分别为光流动能取值和光流动能方差取值的调整因子,用于调整阈值的取值,以便最大范围的囊括所有的正常值.从(8) 式和(9) 式可以看出,N 取值越大,则阈值越准确.
三、实践与应用
在某一室内场景监控视频中,按照每秒10 帧的速率截取监控图像,分别选取正常背景、正常行走、快速跑动、异常动作等四种情形的图像各六帧进行分析.截取的监控图像和光流动能分析结果分别如图1 和图2 所示：
可以明显看出,当视频中不存在快速跑动、不规则动作等异常行为时,各帧图像的光流动能值比较小,且变化平缓.反之光流动能值较大,且各帧之间的值存在明显的波动.正是因为存在这样的分界,我们根据（8）式和（9）式为光流动能值和光流动能方差值分别设定判定阈值,可将异常行为识别出来.
四、结语
本文根据室内异常行为具有的速度快、变化不规则等语义特征,基于光流分析建立了一种异常行为识别量化模型.实践证明,该方法在视频监控识别室内异常行为方面具有一定可行性.但该方法存在运算量较大等缺点,因此在后续研究中需要进行改良,以简化计算量.
参 考 文 献
[1] 许良武等. 基于SVM 的室内异常行为检测算法研究[D].2008. 南京理工大学硕士论文
[2] D.Zhang,D.Gatica-Perez. Semi-supervised Adapted HMMs for Unusual Event Detection. Proceedings of the 2005IEEE Computer Society Conference on Computer Vision and Pattern Recognition. June 2005
[3] H.zhong,J.B.Shi,M.Visontai. Detecting Unusual Activity In Vedio[C]. IEEE Computer Society Conf on ComputerVision and Pattern Recognition. Washington.DC,USA,2004
[4] 李晓东等. 基于视频监控参考量的异常行为检测研究[M]. 计算机技术与发展. 2012(9)
智能家居论文范文结:
关于智能家居方面的论文题目、论文提纲、智能家居论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。
1、智能机器人论文
2、智能电网论文
3、智能制造论文
4、智能家居论文
5、智能建筑论文
6、家居廊杂志