基于視頻的人群行為異常檢測(cè).pdf

1、隨著我國經(jīng)濟(jì)社會(huì)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(chǎng)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(huì)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(cè)作為當(dāng)今智能視頻監(jiān)控研究領(lǐng)域的熱點(diǎn)問題之一，主要包括對(duì)視頻圖像序列進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)、特征提取、跟蹤、識(shí)別與行為分析等內(nèi)容。因涉及到計(jì)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(duì)人群行為異常檢測(cè)算法的研究也是一個(gè)具有很高挑戰(zhàn)難度的問題。

2、
　　本文主要針對(duì)公共場(chǎng)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(cè)，分別從不同角度提出了基于修正社會(huì)力模型的人群行為異常檢測(cè)算法與基于光流共生矩陣的人群行為異常檢測(cè)算法，研究?jī)?nèi)容涉及人群運(yùn)動(dòng)信息提取、特征點(diǎn)檢測(cè)、行人社會(huì)力建模與計(jì)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(duì)經(jīng)典社會(huì)力模型的不足，通過引入行人之間的相對(duì)速度與相對(duì)位置對(duì)行人施加的不同影響因素對(duì)其進(jìn)行了修正；通過研究現(xiàn)有基

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

4、發(fā)現(xiàn)動(dòng)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(shí)的反映人群的運(yùn)動(dòng)信息。本文根據(jù)不同人群行為狀態(tài)下行人運(yùn)動(dòng)信息空間分布特點(diǎn)，提出通過建立光流共生矩陣的方法提取人群運(yùn)動(dòng)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(huì)力模型的人群行為異常檢測(cè)算法與基于光流共生矩陣的人群行為異常檢測(cè)算法的實(shí)驗(yàn)流程。選擇不同的視頻數(shù)據(jù)集對(duì)算法性能進(jìn)行了實(shí)驗(yàn)驗(yàn)證，并將本文算法實(shí)驗(yàn)結(jié)果與參考文獻(xiàn)中的