模糊ISODATA聚类结合直方图熵值算法的异常行为检测,本文是一篇关于熵值论文范文，可作为相关选题参考,和写作参考文献。
熵值论文参考文献：
摘 要： 针对传统智能视频监控系统不能及时准确地发现危险或者发现危险不能及时报警的问题,提出一种基于模糊迭代自组织数据分析聚类结合直方图熵值算法的异常行为智能检测方法.该方法通过模糊迭代自组织数据分析聚类方法获取视频关键帧,根据分类结果采用直方图熵值法对异常行为进行判断.实验结果表明,所提算法可以对具有复杂背景的监控区域有效地实现人体的检测,并且能准确地识别出人体异常的动态行为,有效地减少了住宅小区和养老院的安全隐患.
关键词： 迭代自组织分析聚类； 关键帧； 直方图熵值； 異常行为
中图分类号： TN911.23?34 文献标识码： A 文章编号： 1004?373X（2017）12?0120?04
Abstract： Since the traditional intelligent video surveillance system can′t discover the danger accurately and send the alarm timely, an abnormal behior intelligent detection method combining fuzzy iterative self?organizing data analysis （ISODATA） clustering algorithm with histogram entropy method is proposed. The key frame of video is acquired with fuzzy ISODATA clustering method. According to the classification result, the histogram entropy method is adopted to judge the abnormal behior. The experimental results show that the proposed algorithm can detect the human body in the monitoring area with complex background effectively, identify the abnormal dynamic behior of the human body accurately, and reduce the safe hidden trouble in residential district and nursing home effectively.
Keywords： ISODATA clustering； key frame； histogram entropy； abnormal behior
住宅小区和养老院是人口比较密集的区域,那么保证区域的安全性就很重要.现阶段智能视频目标识别算法大多采用SVM[1]或者隐马尔科夫模型[2]算法,两种算法可以达到一般实时性要求,但很多情况下还是出现遗漏或者误捡,使得识别准确率不高,不能及时阻止危险行为的发生或者发生危险行为不能及时地提醒相关人员.因此,本文提出一种新的智能视频监控[3]系统,可对异常行为进行实时监控并及时报警,有效地降低误检和漏检概率,减少大量的人力,保障社会秩序的稳定.
目前许多研究使用基于统计学习算法对人体运动行为进行分类,需要对大量样本标注,且需建立复杂的操作模型.Ballan等定义一种新的局部描述子[4],用图像梯度和光流分别进行建模来表示区域兴趣点的人体外观和动态信息,用半径聚类方法来生成视觉码本,使用统计方法来分类人体行为.文献[5]提出一个新的时空背景的兴趣点分布特征对人体行为分类.文献[6]研究如何从少数的视频帧中分类人体的行为,并取得很好的分类效果.文献[7]利用人体行为的关键姿态建立HMM模型,训练动态信息.本文分析基于视频人体行为的特点,从当前需要解决的影响人体行为识别发展的几个关键技术出发,提出一种基于模糊ISODATA聚类[8]结合直方图熵值的异常行为检测算法.
1 人体目标提取和分类
1.1 混合高斯模型的运动目标提取
背景减除法首先是分析采集到的视频图像在时间轴上的关系序列,利用视频图像的关系序列分析场景的变化模式,从而建立监控场景的数字模型,最后通过当前输入的视频图像与场景背景的数字模型的对比,结合实践差分运算、二值化运算和形态学处理方法,采用阈值化技术实现运动目标的提取.
室外场景的背景构建受天气状况、监控环境光照亮度和摄像机的自身运动影响会发生相应的变化,因此本文采用混合高斯分布模型[9]对视频进行目标检测.其不仅具有很好的抗噪性,而且对动态场景有很好的适应性.混合高斯模型的运算框图如图1所示.
1.2 关键帧提取和分类
使用传统的视频采集方法难以解决视频数量成几何级数增长对视频分析和理解造成极大困难问题,因此需要寻求有效的视频采集方法将有用的视频数量从海量的视频中查询出来,其中基于关键帧[10]的视频分析方法是非常有效的途径之一.
为了提高基于视频的人体行为分类效率,本节采用ISODATA聚类方法提取视频中的关键帧.
视频关键帧的数目需要根据内容的变化程度来确定,通常内容变化较大的视频需要的关键帧数也较多.相对简单的人体行为可以通过视频序列中的几个关键帧实现人体行为的分类与识别.人体轮廓信息的最小矩形高宽比会随着时间周期性变化,因此,在一个周期内,高宽比函数的极值点对应的帧可近似看作为关键帧.对于躺下、摔倒等非周期的人体行为,因为运动姿态本身原因或者噪音干扰,使相邻的数帧内出现多个小的极值,为了获得更准确的关键帧,需要利用有效的聚类算法进行处理.
结论：适合不知如何写熵值方面的相关专业大学硕士和本科毕业论文以及关于熵值论文开题报告范文和相关职称论文写作参考文献资料下载。
基于模糊聚类分析的高速公路状态识别
摘 要：高速公路交通状态的识别具有一定的主观性和模糊性，本文综合考虑对交通流影响较大的三个因素（流量、速度、占有率（由于密度不好直接测取，所以用。
基于熵值法和系统聚类中国教育水平初步评价
摘 要：本文从统计学视角出发，构建教育发展水平评价指标，对中国教育发展水平进行综合评价，以期为中国教育事业的发展提供参考。结果表明：从全国层面来。
一种改进模糊聚类算法
摘 要：针对模糊C-均值聚类算法不能很好对非椭球形分布，或结构形状不对称分布的数据进行聚类的问题，文章提出了一种基于点密度的模糊C-均值聚类算法。
基于模糊聚类法地区卫生事业安徽省为例
摘 要：文章对地区医疗卫生事业发展情况进行模糊聚类分析评价。选取12项地区医疗卫生事业发展指标，应用模糊聚类分析法，分别计算地区间模糊相似矩阵、。