面向復(fù)雜公共區(qū)域的群體聚集性計算方法研究.pdf

1、隨著城鎮(zhèn)人口的增多和城市規(guī)模的不斷擴(kuò)大，發(fā)生在公共區(qū)域的群體聚集情形越來越常見，伴隨而來發(fā)生在人群中的恐怖暴力和踩踏等群體性事件嚴(yán)重影響了社會的安全與穩(wěn)定，針對此類場景中的群體聚集行為分析逐漸成為智能視頻監(jiān)控領(lǐng)域新的研究熱點。
　　由于公共區(qū)域內(nèi)的目標(biāo)對象類型較多、群體運動模式復(fù)雜多變，使得針對這些區(qū)域內(nèi)的群體聚集狀態(tài)分析變得非常困難。針對該問題，本文提出了一種基于運動目標(biāo)軌跡信息的群體聚集狀態(tài)計算方法。首先，采用了一種新的全局特

2、征來表示公共區(qū)域內(nèi)的群體運動，該特征可以充分描述目標(biāo)興趣點的時空和運動信息；其次，提出了一種對目標(biāo)興趣點先聚類分組再計算聚集性的策略，使得單個群體的聚集性計算更加一致有效；最后，提出了一種更為全面的群體聚集性描述子，用于對人群聚集狀態(tài)進(jìn)行詳細(xì)描述，并以該描述子為基礎(chǔ)，實現(xiàn)了群體運動狀態(tài)演化分析與異常行為檢測。
　　在本文提出的群體聚集狀態(tài)計算方法中，所采用的目標(biāo)運動信息是利用KLT算法提取特征點的方法得到的，并基于這些特征點對人群

3、密度做近似估計。這種方法能夠處理攝像頭距行人較遠(yuǎn)的場景，但當(dāng)攝像頭距行人較近時，這種方法就會存在較大誤差。為對后續(xù)人群密度以及人群狀態(tài)分析提供準(zhǔn)確的數(shù)據(jù)，本文采用對行人進(jìn)行跟蹤的方法來提取這些信息。然而，由于監(jiān)控視頻中的目標(biāo)對象姿態(tài)多變、稠密場景下個體間遮擋嚴(yán)重，傳統(tǒng)的檢測跟蹤方法并不能很好的解決這些問題。因此，針對以上問題，本文提供了一種基于深度學(xué)習(xí)和卡爾曼濾波的行人目標(biāo)跟蹤算法。首先使用卷積神經(jīng)網(wǎng)絡(luò)對行人進(jìn)行檢測；然后針對檢測過程中