Обнаружение нехарактерного поведения в задачах видеонаблюдения
Шаталин Р.А., Фидельман В.Р., Овчинников П.Е.


Нижегородский государственный университет им. Н.И. Лобачевского, Нижний Новгород, Россия

Аннотация:
Предложен алгоритм обнаружения нехарактерного поведения в задачах видеонаблюдения. Алгоритм составляет модель нормального поведения на основе образцов, что позволяет применить его в широком диапазоне условий. Результаты тестирования алгоритма свидетельствуют о его пригодности для простых сцен и сцен с большим количеством движущихся объектов.

Ключевые слова:
обработка видеоизображений, обнаружение нештатных ситуаций, метод главных компонент.

Цитирование:
Шаталин, Р.А. Обнаружение нехарактерного поведения в задачах видеонаблюдения / Р.А. Шаталин, В.Р. Фидельман, П.Е. Овчинников // Компьютерная оптика. – 2017. – Т. 41, № 1. – С. 37-45. – DOI: 10.18287/2412-6179-2017-41-1-37-45.

Литература:

  1. Stringa, E. Real-time video-shot detection for scene surveillance applications / E. Stringa, C.S. Regazzoni // IEEE Transactions on Image Processing. – 2000. – Vol. 9(1). – P. 69-79.
  2. Nasution, A. Intelligent video surveillance for monitoring elderly in home environment / А. Nasution, S. Emmanuel // Proceedings of IEEE 9th Workshop on Multimedia Signal Processing. – 2007. - P. 203-206. – DOI: 10.1109/MMSP.2007.4412853.
  3. Lavee, G. Understanding video events: a survey of methods for automatic interpretation of semantic occurrences in video / G. Lavee, E. Rivlin, M. Rudzsky // IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews). – 2009. – Vol. 39(5). – P. 489-504.
  4. Chandola, V. Anomaly detection: A survey / V. Chandola, A. Banerjee, V. Kumar // ACM Computing Surveys (CSUR). – 2009. – Vol. 41(3). – 15 (58 p). - DOI: 10.1145/1541880.1541882.
  5. Денисова, А.Ю. Обнаружение аномалий на гиперспектральных изображениях / А.Ю. Денисова, В.В. Мясников // Компьютерная оптика. – 2014. – Т. 38, № 2. – С. 287-296.
  6. Jolliffe, I. Principal component analysis. Springer series in statistic / I. Jolliffe. – 2nd ed. – NY, Berlin, Heidelberg: Springer-Verlag, 2002. – 488 p. – ISBN: 0-387-95442-2.
  7. Yu, T.-H. Unsupervised abnormal behavior detection for real-time surveillance using observed history / T.-H. Yu, Y.S. Moon // Proceedings of MVA2009 IAPR Conference on Machine Vision Applications. – 2009. – P. 166-169.
  8. Kim, J. Observe locally, infer globally: A space-time MRF for detecting abnormal activities with incremental updates / J. Kim , K. Grauman // Proceedings of IEEE Computer Vision and Pattern Recognition, CVPR 2009. – 2009. – P. 2921-2928. – DOI: 10.1109/CVPR.2009.5206569.
  9. Mahadevan, V. Anomaly detection and localization in crowded scenes / V. Mahadevan, W. Li, V. Bhalodia, N. Vasconcelos // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2014. – Vol. 36(1) – P. 18-32.
  10. Минаев, E.Ю. Детектирование и распознавание объектов в системах автомобильной безопасности на основе фрактального анализа / Е.Ю. Минаев, А.В. Никоронов // Компьютерная оптика. – 2012. – Т. 36, № 1. – С. 124-130.
  11. Brutzer S. Evaluation of background subtraction techniques for video surveillance / S. Brutzer, B. Hoferlin, G. Hei­demann // Proceedings of the 2011 IEEE Conference on Computer Vision and Pattern Recognition. – 2011. – P. 1937-1944. – DOI: 10.1109/CVPR.2011.5995508.
  12. Maddalena L. A self-organizing approach to background subtraction for visual surveillance application / L. Maddalena, A. Petrosino // IEEE Transactions on Image Processing. – 2008. – Vol. 17(7). – P. 1168-1177.
  13. Шаталин, Р.A. Критерий качества выделения фона с использованием морфологических операторов для задач обнаружения нештатных ситуаций / Р.А. Шаталин, П.Е. Овчинников // Системы управления и информационные технологии. – 2014. – Т. 56(2.1). – С. 190-194.
  14. Fleet D. Optical flow estimation / D. Fleet, Y. Weiss. – In Book: Handbook of mathematical models in computer vision / Ed. by N. Paragios, Y. Chen, O. Faugeras. – Chapter IV. – US: Springer; 2006. – P. 239-258. – ISBN: 978-0-387-26371-7. – DOI: 10.1007/0-387-28831-7_15.
  15. Bouguet, J. Pyramidal implementation of the lucas kanade feature tracker / J. Bouguet. – Intel Corporation, Microprocessor Research Labs, 2000. – 9 p.
  16. Antonakaki P. Detecting abnormal human behavior using multiple cameras / P. Antonakaki, D. Kosmopoulos, S. Perantonis // Signal Proccesing. – 2009. – Vol. 89(9). – P. 1723-1738. - DOI: 10.1016/j.sigpro.2009.03.016.
  17. Hall, M. Correlation based feature selection for machine learning: Doctoral dissertation / M. Hall. – Hamilton, NewZealand: The University of Waikato, Department of Computer Science, 1999. – 178 p.

© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: ko@smr.ru ; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20