文档介绍：基于矢量量化和深度优先搜索的轨迹分布模式学****算法
摘要:在对轨迹流矢量进行量化编码的基础上,提出了一种基于深度优先搜索的轨迹分布模式提取算法,生成了能够描述轨迹分布的序列模式图,并给出了与之相应的异常检测方法。对不同场景的序列图像的实验表明,该方法不仅能够学****轨迹中流矢量的分布,而且能够反映它们之间的时序关系,可以应用于室外复杂场景的目标异常行为检测。
在对轨迹流矢量进行量化编码的基础上,提出了一种基于深度优先搜索的轨迹分布模式提取算法,生成了能够描述轨迹分布的序列模式图,并给出了与之相应的异常检测方法。对不同场景的可见光和红外序列图像的实验表明,该方法不仅能够学****轨迹中流矢量的分布,而且能够反映它们之间的时序关系,可以应用于室外复杂场景的目标异常行为检测。
关键词:轨迹分析与学****矢量量化; 深度优先搜索
中图分类号:
文献标识码:A
0引言??
随着国家、社会对环境安全意识的提高和传感器技术的迅速发展,对重要的场景进行监控已经显得越来越重要和迫切了,智能视觉监控系统正是基于此目的而产生的。与传统的视频监控只是简单的获取和存储场景画面不同,它能够感知环境变化,自动地检测、识别和跟踪场景中的运动目标,并判断目标行为是否异常或对目标下一步的行为进行预测。智能视觉监控系统的处理过程包括目标检测、识别、跟踪、行为分析及其语义描述等。其中运动目标检测、识别和跟踪是机器视觉中研究较多的课题,已得到了比较广泛和深入的研究,在这些领域已提出了许多行之有效的方法[1,2]。而目标行为的自动理解与分析作为高层计算机视觉发展的重要方向,已逐渐引起了国内外学者的关注,并提出了一些初步可行的方法。这些方法大体上可以分为两类:一类是以动态时间规整和隐马尔科夫模型等为代表的有监督的学****方法[3];另一类是以自组织映射神经网络为代表的无监督学****算法[4,5]。??
目标的运动轨迹是分析和理解目标行为的一种有效特征,它是由运动目标在成像平面上的质心点坐标组成的一个有序序列。因此,目标轨迹分布模式的提取实际上也是一个从轨迹中发现那些频繁的、规律性的轨迹序列模式的过程。基于此,本文提出了一种基于矢量量化和深度优先搜索的轨迹分布模式提取算法,生成了能够显式反映目标轨迹分布的序列模式图,并给出了与之对应的异常检测和行为预测方法。对不同场景的可见光和红外图像序列的实验和分析表明本文方法可以有效地提取监控场景中运动目标的轨迹分布模式。
??
1轨迹点的矢量量化原理??
??
对于目标O,设第i次采样时它的质心位置的图像平面坐标为(xi,yi),则其运动轨迹可以表示为T={(x1,y1),(x2,y2),…,(xn,yn)}。除质心坐标外,速度也是描述目标轨迹模式的一个重要参量。由于是等时间间隔采样,目标的运动速度可以简单地表示为dx=xi+1-xi,dy=yi+1-yi。不同类别的目标,如行人和车辆,其行为模式是不同的,在提取其轨迹分布模式时应该考虑目标的类别信息。因此,这里采用如下的轨迹流矢量表示方式:f=(c,x,y,dx,dy),其中c表示目标的类别,它的取值是一些离散的符号。为了反映不同类型目标流矢点之间的较大差异,这里根据公式(1)来计算不同流矢量之间的距离:??