基于手部圖像特征分析的超市中異常行為的檢測.pdf

1、隨著公共安全問題的日益突出和視頻數(shù)據(jù)的爆炸式增長，智能監(jiān)控逐漸成為計算機視覺的一個研究熱點。針對超市監(jiān)控中的盜竊現(xiàn)象等人體異常行為進行分析和檢測，不僅能夠減輕監(jiān)控人員的勞動壓力，更能夠減少超市的經濟損失，同時對社會的穩(wěn)定和諧也有一定的促進作用。因此，對超市監(jiān)控中異常行為進行分析和檢測的相關研究，具有重要的理論研究和實用價值。
　　對超市監(jiān)控中的異常行為分析和檢測，首先要進行人體運動目標檢測。由于超市中的盜竊行為主要是手部對商品的“

2、拿取”與“藏匿”，因此，在檢測到的人體運動目標區(qū)域內根據(jù)手部的膚色特征及大小、位置和幾何特征對手部區(qū)域再進行檢測與分割。然后對手部區(qū)域進行跟蹤，本文將Mean Shift（均值漂移）和Kalman濾波相結合的跟蹤方法首次應用在超市監(jiān)控的手部區(qū)域跟蹤中，利用Kalman濾波跟蹤算法對Mean Shift算法的迭代初始位置進行預測；并根據(jù)手部運動狀態(tài)的變化對“拿取商品”和“藏匿商品”的“行為時空點”進行判斷。經過實驗對比分析，Kalman濾

3、波跟蹤算法減少了Mean Shift算法在手部運動較快和背景復雜情況下的誤差，實現(xiàn)了對手部區(qū)域的準確跟蹤。
　　對于異常行為的檢測，本文提出了基于手部圖像特征分析的超市中異常行為的檢測方法。在檢測到的“拿取商品行為時空點”后，提取手部及周圍運動像素區(qū)域的顏色直方圖和紋理直方圖特征，利用巴氏距離與未拿商品的手部區(qū)域特征進行相似度度量，并與獲得的相似度均值比較來判斷“拿取商品”行為；對于“藏匿商品”行為的判別，前提是在“拿取商品”行為