復(fù)雜環(huán)境下人群異常狀態(tài)檢測(cè)方法研究.pdf

1、基于視頻的人群異常狀態(tài)檢測(cè)是指在大規(guī)模人群的公共場(chǎng)所,對(duì)群體性事件進(jìn)行行為狀態(tài)智能分析,判斷其是否存在人群踩踏、打架斗毆、騷亂等異常事件的檢測(cè)方法。傳統(tǒng)的視頻監(jiān)控完全依賴人為的分析和處理,其有效性和快捷性很難得以保證,因而基于視頻的人群異常狀態(tài)智能檢測(cè)方法顯得尤為重要。由于群體事件的復(fù)雜性,人群遮擋、光照、噪聲等影響使得人群特征難以充分提取,因而人群異常狀態(tài)檢測(cè)是一個(gè)亟待解決的問題。
　　本文主要針對(duì)群體打架斗毆、騷亂等人群事件進(jìn)

2、行檢測(cè),提出了基于相互作用力和局部二值模式共生矩陣的人群異常狀態(tài)檢測(cè)算法,研究?jī)?nèi)容涉及人群運(yùn)動(dòng)狀態(tài)信息提取、人群密度估計(jì)、特征分類等。主要研究工作如下:
　　1)針對(duì)提取人群運(yùn)動(dòng)狀態(tài)信息中存在對(duì)人群運(yùn)動(dòng)方向和速度信息提取不準(zhǔn)確的問題,采用高精度的光流算法,并結(jié)合社會(huì)力模型提取相互作用力,有效獲得了復(fù)雜環(huán)境下人群粒子的運(yùn)動(dòng)速度及方向;提出了采用相互作用力方向投標(biāo)直方圖描述人群運(yùn)動(dòng)狀態(tài)特征,提高了人群運(yùn)動(dòng)狀態(tài)特征描述的準(zhǔn)確度,降低了計(jì)

3、算復(fù)雜度,該方法對(duì)光照和噪聲有較強(qiáng)的魯棒性。
　　2)根據(jù)局部二值模式具有的灰度不變特性,以及對(duì)圖像局部紋理特征的良好表達(dá)等特點(diǎn),分別在灰度圖和梯度圖上采用局部二值模式共生矩陣算法進(jìn)行人群密度估計(jì),充分利用灰度圖的空間統(tǒng)計(jì)信息和梯度圖的邊緣特征信息,兩者相互結(jié)合補(bǔ)充,并采用能量、對(duì)比度、熵、相關(guān)性等參數(shù)來表征人群密度信息。此種方法提高了人群密度特征描述的有效性。
　　3)提出了將人群密度信息特征與人群運(yùn)動(dòng)狀態(tài)信息特征相結(jié)合的