發(fā)布時間：2017-11-26 03:14

  本文關鍵詞：智能視頻監(jiān)控中人群異常行為的檢測與分析

  更多相關文章： 異常行為檢測 集群性特征 粒子網(wǎng)格分布特征 直方圖熵值 SVM

【摘要】：本論文主要研究了智能視頻監(jiān)控中人群異常行為的檢測與分析。人群異常行為分為多種情況,本論文所研究的人群異常行為主要針對公共場所中突發(fā)事件導致的人群慌亂逃跑行為以及火災發(fā)生時人群逃生等突發(fā)行為。通過運動目標的檢測與追蹤、行為的分析以及異常行為的識別來實現(xiàn)異常突發(fā)行為的檢測。在檢測圖像運動之前,通過灰度化、去噪、空間域和頻域的圖像增強等預處理操作使得視頻圖像更加清晰。然后,利用混合高斯背景模型的背景減除法獲得視頻的背景圖像,與當前圖像幀差分從而檢測出運動對象。使用KLT(Kanade-Lucas-Tomasi)追蹤算法來追蹤運動人群,獲得人群的運動速度、方向和位置信息。接著,根據(jù)個體粒子與群體中其他個體在運動方向、速度等兩個方面的行為相似性提取出集群性特征來描述人群行為,該特征全局地綜合了整個群體的運動信息,能夠很好地描述人群行為;根據(jù)個體粒子網(wǎng)格空間分布和運動人群的平均速度提取出粒子網(wǎng)格分布特征來描述行為,該特征能夠較好地描繪出人群行為。最后,利用直方圖熵值和SVM(Support Vector Machine)的識別方法來識別異常突發(fā)行為。將集群性特征投影到對應的直方圖區(qū)間,計算直方圖的熵值,與訓練好的閾值T進行比較來識別異常行為;將粒子網(wǎng)格分布特征放入到訓練好的SVM行為分類器中識別異常行為。分別在UMN和USCD Ped1行為數(shù)據(jù)集上驗證本文所提的基于集群性特征的異常突發(fā)行為的識別算法和基于粒子網(wǎng)格分布特征的異常突發(fā)行為的識別算法,與各類定性定量的結果對比,本文所提算法的效果較優(yōu)。
【學位授予單位】：寧波大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP391.41;TN948.6

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 王亮,胡衛(wèi)明,譚鐵牛;人運動的視覺分析綜述[J];計算機學報;2002年03期

，

本文編號：1228352