【摘要】：隨著現(xiàn)代社會的發(fā)展,全球人口數(shù)量急劇攀升,公共場所安全隱患日益增多。近幾年來,不僅在公共場所發(fā)生多起踩踏事故,還有多起個人的極端行為發(fā)生,給人們的生活帶來了極大的傷害。如何及時的發(fā)現(xiàn)并處理人群密集場所存在的安全隱患已經(jīng)成為近幾年重要的研究課題。依據(jù)對人群特征關(guān)注點的不同,現(xiàn)有的密度估計方法大致有兩類:基于像素統(tǒng)計的人群密度估計和基于紋理特征的人群密度估計�；谙袼亟y(tǒng)計的方法在高密度人群情況下存在人與人遮擋的情況,因此預測出的人數(shù)存在較大的誤差�；诩y理特征的方法在計算人群的紋理特征時時間復雜度較大,并且監(jiān)控區(qū)域的人群并非總是維持在一個高密度的情況下,當人群密度發(fā)生變化時就可能使得人群的紋理特征不明顯。本文首先研究了基于像素統(tǒng)計的人群密度估計方法,先將待研究數(shù)據(jù)集根據(jù)人數(shù)的多少劃分為低密度、中密度、高密度場景,然后對低密度的人群進行前景提取、像素權(quán)重調(diào)整、構(gòu)建統(tǒng)計模型來估計監(jiān)控區(qū)域人數(shù),再進一步利用提取到的輪廓圖像構(gòu)建異常事件檢測模型以達到對監(jiān)控區(qū)域的異常事件進行有效檢測的目的。針對視頻監(jiān)控中的異常事件檢測,目前現(xiàn)有視頻異常事件檢測的方法主要分為以下兩種,包括基于個體目標軌跡檢測方法和基于局部的低層次表示的檢測方法�；趥�體目標軌跡的異常事件檢測方法,首先進行視頻中單目標行人的檢測和跟蹤,獲取目標的運動軌跡,然后將目標的運動軌跡和已經(jīng)定義好的異常事件模型進行匹配,進而檢測視頻中行人的是否存在異常的行為。該方法依賴于目標跟蹤獲得的運動軌跡,但軌跡跟蹤技術(shù)仍然不夠成熟,不能提供可靠準確的運動軌跡信息,另外異常事件的種類多樣定義模糊,目標的運動軌跡難以界定正常事件與異常事件,導致對于監(jiān)控區(qū)域行人異常事件的檢測效率和準確性較低�；诰植康牡蛯哟翁卣鞅硎镜臋z測方法,對監(jiān)控區(qū)域行人的正常事件和異常事件分別使用低層次特征進行表示,利用圖像中的邊緣、角點對視頻圖像中的事件進行表述,確定是否檢測出異常事件,該方法適用于擁擠場景下的異常事件檢測,但因其預定義的低層次表示需要手工設(shè)計,并且簡單的使用邊緣、角點特征對異常事件進行描述造成事件描述存在精度不夠、表達能力弱等問題。本文提出一種新的異常事件檢測的方法,通過提取行人的輪廓,利用本論文定義的特征模板進行特征提取,并輸入到基于事件字典的異常事件檢測算法中進行行人的異常事件的檢測。該方法克服了傳統(tǒng)方法中對于異常事件定義的模糊性,對行人異常行為特征的描述不夠準確的缺點,能夠更加準確地描述行人的特征進而檢測出監(jiān)控區(qū)域的異常事件,在實時性方面完全能夠滿足要求。本文實驗環(huán)境為Windows8系統(tǒng),處理器為AMD A8-4500M APU,4G內(nèi)存,軟件環(huán)境為Visual Studio 2013和OPENCV環(huán)境,選用了PETS2009、UMN、UCSD、BEHAVE Interactions Test Case Scenarios標準數(shù)據(jù)集,實驗證明了本文方法在低密度人群估計時具有較高的精度,在行人異常事件檢測部分的準確率有一定程度提升。
[Abstract]:......
【學位授予單位】：河北工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TN948.6;TP391.41

【參考文獻】

相關(guān)期刊論文 前10條

1 黃鐵軍;鄭錦;李波;傅慧源;馬華東;薛向陽;姜育剛;于俊清;;多媒體技術(shù)研究:2013——面向智能視頻監(jiān)控的視覺感知與處理[J];中國圖象圖形學報;2014年11期

2 侯北平;朱文;馬連偉;介婧;;基于形狀特征的移動目標實時分類研究[J];儀器儀表學報;2010年08期

3 蒲靜;胡棟;;基于時空Markov隨機場的人體異常行為識別算法[J];計算機應(yīng)用;2010年08期

4 唐清;王知衍;嚴和平;許曉偉;;基于模糊神經(jīng)網(wǎng)絡(luò)的大場景人群密度估計方法[J];計算機應(yīng)用研究;2010年03期

5 蘇航;鄭世寶;楊華;;視頻監(jiān)控中人群流量和密度估計算法分析[J];電視技術(shù);2009年11期

6 楊裕;朱秋煜;吳喜梅;;復雜場景中的自動人群密度估計[J];現(xiàn)代電子技術(shù);2009年17期

7 王永忠;梁彥;潘泉;程詠梅;趙春暉;;基于自適應(yīng)混合高斯模型的時空背景建模[J];自動化學報;2009年04期

8 賈小勇;徐傳勝;白欣;;最小二乘法的創(chuàng)立及其思想方法[J];西北大學學報(自然科學版);2006年03期

9 王爾丹,李曉華,沈蘭蓀;基于多尺度分析和分形的人群密度估計方法[J];計算機工程與應(yīng)用;2005年29期

10 吳長山,項月琴,鄭蘭芬,童慶禧;利用高光譜數(shù)據(jù)對作物群體葉綠素密度估算的研究[J];遙感學報;2000年03期

相關(guān)會議論文 前1條

1 陳霞;吳瓏;樊進;譚守標;;人臉識別技術(shù)綜述[A];中國儀器儀表學會第十二屆青年學術(shù)會議論文集[C];2010年

，

本文編號：2315210