随着科技日益发展、智能化设备逐渐普及,监控系统遍布全国各个超市。目前,超市监控系统依旧需要人员轮番值守,但仍然无法避免盗窃等犯罪行为每年对超市造成大量的经济损失。同时,国内外针对超市中异常行为分析的研究文献较少,且智能视频监控在国内超市仍未普及。所以,对超市监控视频中的异常行为进行识别分析,在一定程度上可以减轻超市中监控值守人员的工作压力和减少安保人员的成本预算,同时也能够让超市及时止损。因此,本文对超市监控中异常行为分析的相关研究,具有重要的理论和应用价值。本文主要针对超市中发生的异常行为进行研究,主要工作和成果如下。(1)本文首先给出了超市监控中的异常行为分析规则。通过分析多段超市监控视频、观察超市中人们的购物行为以及查阅相关文献资料,将超市中的异常行为定义为对商品的“藏匿”行为。规则中对商品大小进行限定,要求必须大于识别目标的手部,并只针对单人目标且“藏匿”动作可见的情况进行异常行为识别分析。(2)针对前景目标提取,结合图像的RLBSP纹理特征和HSV颜色空间,提出了一种基于纹理的背景建模算法(以下称为RLBSP-S算法),RLBSP-S算法利用RLBSP纹理特征对光照变化不敏感的特性以及HSV色彩空间比较符合人眼的色彩系统。背景模型同时对颜色和纹理特征进行初始化;为解决前景驻留、环境光照变化等因素影响后续分割的问题,利用后处理方法对检测结果进行修正,并使用修正后的前景检测结果更新背景模板。(3)基于手部在上肢中的位置关系,提出了一种人手检测算法(以下称为AHPR算法)。通过肤色检测器,确定皮肤的大概位置,缩小检测区域;同时利用手臂检测器获得手臂的位置,根据手部与手臂的先验知识与相对位置关系,并结合肤色检测得到的肤色区域,得到人手位置。经实验验证,该算法可以较为准确的检测手部位置。在手部检测的基础上,利用基于Kalman滤波的Camshift目标跟踪算法对手部进行跟踪,并根据“藏匿商品”行为进行分析规则,并基于二分类的思想,利用巴氏距离,将当前跟踪的手部结果与标准的“手中无商品”状态的颜色直方图、LBP纹理特征进行相似度度量以判断当前状态,同时判断当前手部是否在身体区域内,综合手部状态和位置信息来分析是否发生“藏匿商品”行为。