智能監(jiān)控是人工智能領(lǐng)域的重要應(yīng)用方向,人群行為分析是智能監(jiān)控領(lǐng)域的研究熱點(diǎn),主要通過對(duì)視頻圖像中的行人行為提取特征進(jìn)而分析人群運(yùn)動(dòng)狀態(tài),使得系統(tǒng)可以檢測(cè)出值得關(guān)注的人群運(yùn)行狀況,以向工作人員提出警示或供其參考,從而減少意外和危險(xiǎn)事件的發(fā)生。在人群運(yùn)動(dòng)中,顯著的人群運(yùn)動(dòng)通常表示與主流行人運(yùn)動(dòng)不一致的行為,對(duì)于視頻監(jiān)控,這些運(yùn)動(dòng)行為值得更多關(guān)注,檢測(cè)人群的顯著運(yùn)動(dòng)在人群視頻分析中也具有很大的應(yīng)用價(jià)值。在人群中不同運(yùn)動(dòng)行人為了避免碰撞之間會(huì)存在著排斥力,對(duì)于與主流人群運(yùn)動(dòng)不一致的顯著性運(yùn)動(dòng)行人,他們與主流人群之間排斥力則會(huì)很大。同時(shí)人群不同的行人個(gè)體運(yùn)動(dòng)方向可能存在差異,而顯著性運(yùn)動(dòng)人群運(yùn)動(dòng)方向較混亂,因此對(duì)應(yīng)的方向熵就較大。結(jié)合排斥力和方向熵的特點(diǎn),本文提出了基于排斥力網(wǎng)絡(luò)與方向熵的人群顯著性運(yùn)動(dòng)檢測(cè)算法,主要的研究內(nèi)容與創(chuàng)新如下:1.通過計(jì)算速度矢量之間的排斥力構(gòu)建人群加權(quán)網(wǎng)絡(luò)。使用金字塔光流算法計(jì)算人群運(yùn)動(dòng)速度矢量場(chǎng),用網(wǎng)絡(luò)的思維分析運(yùn)動(dòng)場(chǎng)中速度矢量之間的關(guān)系,將每一個(gè)速度矢量視為網(wǎng)絡(luò)中的一個(gè)節(jié)點(diǎn),通過排斥力公式計(jì)算節(jié)點(diǎn)之間的排斥力,同時(shí)將排斥力的大小作為節(jié)點(diǎn)之間的連邊權(quán)重,由此來構(gòu)建... 

【文章頁數(shù)】：70 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景和意義
    1.2 研究現(xiàn)狀及發(fā)展趨勢(shì)
        1.2.1 人群行為研究現(xiàn)狀
        1.2.2 人群行為分析發(fā)展趨勢(shì)
    1.3 研究內(nèi)容和結(jié)構(gòu)安排
        1.3.1 主要研究內(nèi)容
        1.3.2 文章結(jié)構(gòu)安排
第2章 人群速度矢量場(chǎng)的計(jì)算
    2.1 引言
    2.2 光流法的提出、發(fā)展及現(xiàn)狀
    2.3 光流法的原理
        2.3.1 光流場(chǎng)與運(yùn)動(dòng)場(chǎng)
        2.3.2 基本光流方程
    2.4 光流的計(jì)算方法
        2.4.1 Lucas-Kanade光流方程
        2.4.2 金字塔光流算法
    2.5 本章小結(jié)
第3章 人群排斥力網(wǎng)絡(luò)構(gòu)建
    3.1 引言
    3.2 復(fù)雜網(wǎng)絡(luò)綜述
        3.2.1 復(fù)雜網(wǎng)絡(luò)的概述及表示
        3.2.2 復(fù)雜網(wǎng)絡(luò)的靜態(tài)幾何屬性
    3.3 基于排斥力的人群加權(quán)網(wǎng)絡(luò)描述
    3.4 排斥力網(wǎng)絡(luò)模型的矩陣表示
    3.5 排斥力網(wǎng)絡(luò)權(quán)重確定及特征參數(shù)提取
        3.5.1 速度矢量排斥力的計(jì)算
        3.5.2 排斥力網(wǎng)絡(luò)權(quán)重的確定
        3.5.3 排斥力網(wǎng)絡(luò)特征參數(shù)的提取
        3.5.4 節(jié)點(diǎn)強(qiáng)度的計(jì)算
    3.6 本章小結(jié)
第4章 構(gòu)建方向熵矩陣及優(yōu)化節(jié)點(diǎn)強(qiáng)度矩陣
    4.1 引言
    4.2 建立速度矢量方向熵矩陣
    4.3 優(yōu)化節(jié)點(diǎn)強(qiáng)度矩陣
    4.4 本章小結(jié)
第5章 實(shí)驗(yàn)結(jié)果與分析
    5.1 實(shí)驗(yàn)視頻場(chǎng)景的獲取
    5.2 人群運(yùn)動(dòng)顯著性檢測(cè)
        5.2.1 人群顯著性逆行行為檢測(cè)
        5.2.2 人群運(yùn)動(dòng)不穩(wěn)定區(qū)域檢測(cè)
        5.2.3 不同鄰域大小檢測(cè)
    5.3 算法比較與分析
    5.4 本章小結(jié)
第6章 總結(jié)與展望
致謝
參考文獻(xiàn)
附錄


【參考文獻(xiàn)】：
期刊論文
[1]人工智能綜述:AI的發(fā)展[J]. 崔雍浩,商聰,陳鍶奇,郝建業(yè).  無線電通信技術(shù). 2019(03)
[2]人群行為分析研究綜述[J]. 王曲,趙煒琪,羅海勇,門愛東,趙方.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2018(12)
[3]平均光流方向直方圖描述的微表情識(shí)別[J]. 馬浩原,安高云,阮秋琦.  信號(hào)處理. 2018(03)
[4]隨機(jī)復(fù)雜網(wǎng)絡(luò)同步控制研究進(jìn)展綜述[J]. 任紅衛(wèi),鄧飛其.  控制理論與應(yīng)用. 2017(10)
[5]智能視頻監(jiān)控技術(shù)綜述[J]. 谷志強(qiáng).  江西建材. 2017(17)
[6]基于張量黎曼度量的序列圖像匹配光流場(chǎng)計(jì)算方法[J]. 楊歡,沈曉軍,李杰,吳政隆,徐蓓蓓.  北京理工大學(xué)學(xué)報(bào). 2016(08)
[7]固定需求交通網(wǎng)絡(luò)的一般系統(tǒng)最優(yōu)模型與性質(zhì)[J]. 吳文祥,黃海軍.  管理科學(xué)學(xué)報(bào). 2015(12)
[8]基于智能手機(jī)的個(gè)體室內(nèi)時(shí)空行為分析[J]. 李清泉,周寶定.  地理科學(xué)進(jìn)展. 2015(04)
[9]基于視頻的人群異常事件檢測(cè)綜述[J]. 吳新宇,郭會(huì)文,李楠楠,王歡,陳彥倫.  電子測(cè)量與儀器學(xué)報(bào). 2014(06)
[10]從昆明“3.01”恐怖事件引申的若干問題探究[J]. 郭寶.  云南警官學(xué)院學(xué)報(bào). 2014(02)

碩士論文
[1]基于加權(quán)網(wǎng)絡(luò)分析的大規(guī)模人群局部運(yùn)動(dòng)檢測(cè)[D]. 鄭娟.燕山大學(xué) 2018
[2]視頻監(jiān)控中人群異常行為檢測(cè)方法研究[D]. 李萌.寧波大學(xué) 2017
[3]基于光流法的運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤算法研究[D]. 劉潔.中國礦業(yè)大學(xué) 2015
[4]基于光流法的運(yùn)動(dòng)目標(biāo)快速跟蹤算法研究[D]. 胡金金.西安電子科技大學(xué) 2014
[5]智能視頻監(jiān)控中的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法研究[D]. 戴金平.杭州電子科技大學(xué) 2009
[6]圖論在集合論中的應(yīng)用[D]. 張新.山東大學(xué) 2005



本文編號(hào)：3693097