版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、隨著城市化快速發(fā)展,越來越多的人群現(xiàn)象出現(xiàn)在公共場所,為更好的對公共區(qū)域進(jìn)行管理,人群異常事件檢測一直受到社會和政府的重點(diǎn)關(guān)注。然而,現(xiàn)有的研究的人群異常事件檢測方法大部分采用的都是有監(jiān)督的學(xué)習(xí)方法,忽略了人群場景的不可預(yù)知性,依然存在特征數(shù)據(jù)非結(jié)構(gòu)化、非在線和自適應(yīng)學(xué)習(xí)能力較弱等問題。因此,選取更有效的人群場景特征提取和人群場景建模方法,實(shí)現(xiàn)實(shí)時(shí)的無監(jiān)督學(xué)習(xí)和預(yù)測學(xué)習(xí),具有重要意義。
本文提出了一種基于LSTM-RNN局部建
2、模的人群異常事件檢測與定位方法。該方法首先通過對人群場景進(jìn)行網(wǎng)格劃分,并提取各網(wǎng)格的多尺度光流統(tǒng)計(jì)圖和向心特征,作為局部的人群動態(tài)特征表示;然后,采用基于長短時(shí)間記憶的遞歸神經(jīng)網(wǎng)絡(luò)對人群場景進(jìn)行局部細(xì)粒度建模和預(yù)測,同時(shí)采用無監(jiān)督的學(xué)習(xí)方式對模型進(jìn)行訓(xùn)練;最后,基于重構(gòu)誤差,對異常進(jìn)行判定。上述方法利用LSTM-RNN模型實(shí)現(xiàn)了對人群場景在時(shí)間和空間維度上的統(tǒng)一建模,可挖掘人群正常模式在時(shí)間和空間維度上的各種相互關(guān)系;采用無監(jiān)督學(xué)習(xí)方法
3、減少了對人工標(biāo)注的依賴,可提高模型的魯棒性和在線自適應(yīng)學(xué)習(xí)能力;在進(jìn)行局部細(xì)粒度建模過程中,以鄰域的“向心特征”作為局部人群動態(tài)特征的補(bǔ)充,不但考慮了各相鄰局部之間的相互影響且在一定程度上降低了模型的復(fù)雜度和計(jì)算量;基于重構(gòu)誤差的異常判定,涵蓋了人群場景的不可預(yù)知性,利于提升人群異常事件檢測的健壯性。
本文通過在Avenue數(shù)據(jù)集上驗(yàn)證了模型預(yù)測結(jié)果在進(jìn)行重構(gòu)誤差后異常判斷的有效性,并通過在UMN、UCSD數(shù)據(jù)集上驗(yàn)證了全局異
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于人群的異常事件檢測的研究.pdf
- 基于監(jiān)控視頻的人群異常事件檢測.pdf
- 視頻監(jiān)控下人群異常事件檢測研究.pdf
- 監(jiān)控視頻中異常事件檢測及異常事件摘要研究.pdf
- 基于視頻的無監(jiān)督異常事件檢測.pdf
- 視頻異常事件檢測研究.pdf
- 基于異常事件檢測的交通監(jiān)控視頻摘要.pdf
- 視頻監(jiān)控中人群狀態(tài)分析及異常事件檢測方法研究.pdf
- 基于在線自適應(yīng)字典學(xué)習(xí)的視頻異常事件檢測技術(shù)研究.pdf
- 基于RFID的倉儲異常事件檢測與處理.pdf
- 基于RFID技術(shù)的車間生產(chǎn)異常事件檢測研究.pdf
- 基于統(tǒng)計(jì)圖模型的視頻異常事件檢測.pdf
- 視頻異常事件檢測算法研究.pdf
- 交通監(jiān)控視頻中的異常事件檢測.pdf
- 基于環(huán)路LDA-HMM模型的視頻異常事件檢測.pdf
- 擁擠場景中異常事件檢測方法研究.pdf
- 基于稀疏組合學(xué)習(xí)的異常事件檢測技術(shù)研究.pdf
- 基于機(jī)器視覺的交通異常事件檢測算法研究.pdf
- 異常事件檢測算法設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于稀疏線性模型和iHMM的群體異常事件檢測研究.pdf
評論
0/150
提交評論