接下來暫時回到本格武俠路線
後面可以的話我還是盡量多安排一點打鬥場景
雖然是武俠路線 但還是很反傳統的武俠路線
會出現碎形維度分析 傅立葉變換這些東西
看起來有點像是一部小說量子江湖的科學和武俠結合
但是量子江湖的設定是完全虛構
那些年月裡再離奇的元素基本上都有現實根本依據
武術與科學的結合
我當時的靈感是來自影像分析處理的相關技術
不曉得啥是傅立葉變換也無所謂 各位還是看得懂
我只是說下集的內容雖然看了會覺得很唬爛
但是是有現實依據的
http://machinevision.iem.yzu.edu.tw/vision/thesis/94_WILL/94_WILL.htm
長時序動態影像之前景分割與巨觀模式下之異常行為偵測
摘 要
在安全監控的各種應用之中,現有之行為偵測方法大多採用微觀的角度進行分析,必須在前景主體完整的輪廓下,找出每個肢體的位置,並事先定義各種動作與姿勢,但在固定攝影機所監控的實際環境中,通常面臨光源變化、背景物體移動等狀況,以及行為可能由單人或多人所構成,種類相當眾多且複雜,無法逐一定義,更無法預先知道異常行為的種類,因此本研究利用機器視覺之技術,將環境中的移動前景主體有效分割出來,並且透過巨觀之策略進行異常行為之偵測,不需事先定義各種行為或動作。
本研究主要兩個目標為:1)開發有效之動態前景分割技術,和2)視訊影像中之異常行為偵測。在前景分割方面,首先透過多張時序影像所構成之灰階紋路特性提出兩種前景分割方法,傅立葉轉換為基礎之前景分割方法能有效濾除屬於靜態背景之紋路,此方法具有完整的輪廓以及不受背景改變的干擾,但運算時間較長;統計管制界限為基礎之前景分割方法依照多張時序影像之平均值與變異數變化情形,將超出管制界限之前景分割出來,具有偵測靜止不動前景的能力以及不受背景改變的干擾,且計算快速。在異常行為偵測部分,本研究針對前景分割結果中移動主體在時間與空間維度所造成的動態變化建構出全域式的表達方式,可同時紀錄每個主體的行為與移動情形,將各種行為表達成一張全域式的動態能量圖,透過此策略可免除現有行為偵測需進行前景肢體分割的困擾,且全域式的表達方法不需事先定義行為的種類與持續時間;收集日常生活之各種正常行為模式之後,透過模糊C-means進行正常行為之群集訓練,以作為異常行為之偵測標準。
本研究以實驗室的日常活動作為探討與驗證對象,收集兩天的正常行為樣本並建立出正常行為之群集,目前測試暈倒、小偷、打架以及搬家四種異常行為,皆可有效偵測出來,並且長時間觀察實驗室31天之實驗結果中發現異常行為偵測之方法能夠穩定且有效找出以上四種不同於日常生活中的異常行為,在影像尺寸的實驗中皆能達到即時偵測的效果。
關鍵字:機器視覺,安全監控,動態偵測,傅立葉轉換,異常行為偵測。
留言列表