基于視頻的人群行為異常檢測.pdf

1、隨著我國經(jīng)濟(jì)社會的迅速發(fā)展，城市化進(jìn)程的不斷加快，城鎮(zhèn)人口密度的不斷上升，公共場所安全事故頻繁發(fā)生，傳統(tǒng)的視頻監(jiān)控技術(shù)已無法滿足社會發(fā)展進(jìn)步的需要，迫切需要大力發(fā)展智能視頻監(jiān)控技術(shù)。人群行為異常檢測作為當(dāng)今智能視頻監(jiān)控研究領(lǐng)域的熱點問題之一，主要包括對視頻圖像序列進(jìn)行運動目標(biāo)檢測、特征提取、跟蹤、識別與行為分析等內(nèi)容。因涉及到計算機(jī)視覺、圖像視頻處理與人工智能領(lǐng)域眾多核心問題，對人群行為異常檢測算法的研究也是一個具有很高挑戰(zhàn)難度的問題。

2、
　　本文主要針對公共場所人群騷亂、逃散等人群行為異常狀態(tài)進(jìn)行特征提取與檢測，分別從不同角度提出了基于修正社會力模型的人群行為異常檢測算法與基于光流共生矩陣的人群行為異常檢測算法，研究內(nèi)容涉及人群運動信息提取、特征點檢測、行人社會力建模與計算、光流共生矩陣建立與特征提取、特征分類等。主要研究工作如下：
　　1）針對經(jīng)典社會力模型的不足，通過引入行人之間的相對速度與相對位置對行人施加的不同影響因素對其進(jìn)行了修正；通過研究現(xiàn)有基

3、于社會力模型的人群行為異常檢測算法，針對其利用網(wǎng)格粒子采樣方法進(jìn)行行人社會力計算方法中存在的缺陷，提出了一種利用行人 Harris角點進(jìn)行行人社會力計算的改進(jìn)算法，首先利用Lucas-Kanade光流算法提取視頻行人運動信息，然后利用Harris角點檢測算法對行人進(jìn)行角點檢測，根據(jù)修正后的社會力模型對行人角點進(jìn)行社會力計算，最終基于社會力進(jìn)行人群行為狀態(tài)特征提取。
　　2）通過對基于動態(tài)紋理特征的人群行為異常檢測算法的學(xué)習(xí)與研究，

4、發(fā)現(xiàn)動態(tài)紋理特征本質(zhì)上是一種圖像灰度紋理的特征描述子，并不能如實的反映人群的運動信息。本文根據(jù)不同人群行為狀態(tài)下行人運動信息空間分布特點，提出通過建立光流共生矩陣的方法提取人群運動信息分布特征，進(jìn)行人群行為狀態(tài)的特征提取。
　　3）基于支持向量機(jī)分類器分別闡述了基于修正社會力模型的人群行為異常檢測算法與基于光流共生矩陣的人群行為異常檢測算法的實驗流程。選擇不同的視頻數(shù)據(jù)集對算法性能進(jìn)行了實驗驗證，并將本文算法實驗結(jié)果與參考文獻(xiàn)中的