本文選題：人群行為異常檢測 + 修正社會(huì)力模型　； 參考：《鄭州大學(xué)》2017年碩士論文

【摘要】：隨著我國經(jīng)濟(jì)社會(huì)的迅速發(fā)展,城市化進(jìn)程的不斷加快,城鎮(zhèn)人口密度的不斷上升,公共場所安全事故頻繁發(fā)生,傳統(tǒng)的視頻監(jiān)控技術(shù)已無法滿足社會(huì)發(fā)展進(jìn)步的需要,迫切需要大力發(fā)展智能視頻監(jiān)控技術(shù)。人群行為異常檢測作為當(dāng)今智能視頻監(jiān)控研究領(lǐng)域的熱點(diǎn)問題之一,主要包括對視頻圖像序列進(jìn)行運(yùn)動(dòng)目標(biāo)檢測、特征提取、跟蹤、識別與行為分析等內(nèi)容。因涉及到計(jì)算機(jī)視覺、圖像視頻處理與人工智能領(lǐng)域眾多核心問題,對人群行為異常檢測算法的研究也是一個(gè)具有很高挑戰(zhàn)難度的問題。本文主要針對公共場所人群騷亂、逃散等人群行為異常狀態(tài)進(jìn)行特征提取與檢測,分別從不同角度提出了基于修正社會(huì)力模型的人群行為異常檢測算法與基于光流共生矩陣的人群行為異常檢測算法,研究內(nèi)容涉及人群運(yùn)動(dòng)信息提取、特征點(diǎn)檢測、行人社會(huì)力建模與計(jì)算、光流共生矩陣建立與特征提取、特征分類等。主要研究工作如下:1)針對經(jīng)典社會(huì)力模型的不足,通過引入行人之間的相對速度與相對位置對行人施加的不同影響因素對其進(jìn)行了修正;通過研究現(xiàn)有基于社會(huì)力模型的人群行為異常檢測算法,針對其利用網(wǎng)格粒子采樣方法進(jìn)行行人社會(huì)力計(jì)算方法中存在的缺陷,提出了一種利用行人Harris角點(diǎn)進(jìn)行行人社會(huì)力計(jì)算的改進(jìn)算法,首先利用Lucas-Kanade光流算法提取視頻行人運(yùn)動(dòng)信息,然后利用Harris角點(diǎn)檢測算法對行人進(jìn)行角點(diǎn)檢測,根據(jù)修正后的社會(huì)力模型對行人角點(diǎn)進(jìn)行社會(huì)力計(jì)算,最終基于社會(huì)力進(jìn)行人群行為狀態(tài)特征提取。2)通過對基于動(dòng)態(tài)紋理特征的人群行為異常檢測算法的學(xué)習(xí)與研究,發(fā)現(xiàn)動(dòng)態(tài)紋理特征本質(zhì)上是一種圖像灰度紋理的特征描述子,并不能如實(shí)的反映人群的運(yùn)動(dòng)信息。本文根據(jù)不同人群行為狀態(tài)下行人運(yùn)動(dòng)信息空間分布特點(diǎn),提出通過建立光流共生矩陣的方法提取人群運(yùn)動(dòng)信息分布特征,進(jìn)行人群行為狀態(tài)的特征提取。3)基于支持向量機(jī)分類器分別闡述了基于修正社會(huì)力模型的人群行為異常檢測算法與基于光流共生矩陣的人群行為異常檢測算法的實(shí)驗(yàn)流程。選擇不同的視頻數(shù)據(jù)集對算法性能進(jìn)行了實(shí)驗(yàn)驗(yàn)證,并將本文算法實(shí)驗(yàn)結(jié)果與參考文獻(xiàn)中的算法實(shí)驗(yàn)結(jié)果進(jìn)行對比,證明了本文算法在人群行為異常檢測問題上性能的優(yōu)越性。
[Abstract]:With the rapid development of our country's economy and society, the accelerating process of urbanization, the increasing of urban population density and the frequent occurrence of safety accidents in public places, the traditional video surveillance technology has been unable to meet the needs of social development and progress. It is urgent to develop intelligent video surveillance technology. Crowd behavior anomaly detection is one of the hot issues in the field of intelligent video surveillance. It mainly includes moving target detection, feature extraction, tracking, recognition and behavior analysis of video image sequences. Because of the many core problems in computer vision, image and video processing and artificial intelligence, the research of crowd behavior anomaly detection algorithm is also a very challenging problem. In this paper, the characteristics of abnormal behavior of people in public places, such as riots and desertions, are extracted and detected. From different angles, this paper proposes a modified social force model based crowd behavior anomaly detection algorithm and an optical flow symbiosis matrix based crowd behavior anomaly detection algorithm. The research content involves crowd motion information extraction, feature point detection. Pedestrian social force modeling and calculation, optical flow symbiosis matrix building and feature extraction, feature classification and so on. The main research work is as follows: (1) aiming at the deficiency of the classical social force model, this paper modifies it by introducing the different factors of the relative velocity and relative position of the pedestrian. Based on the existing social force model based on the crowd behavior anomaly detection algorithm, aiming at its use of mesh particle sampling method for pedestrian social force calculation method shortcomings, An improved algorithm for calculating pedestrian social force using pedestrian Harris corner is proposed. Firstly, the video pedestrian motion information is extracted by Lucas-Kanade optical flow algorithm, and then the corner detection algorithm of Harris is used to detect pedestrian corner. According to the modified social force model to calculate the social force of pedestrian corner, finally based on social force to extract crowd behavior state feature. 2) through the study and research of crowd behavior anomaly detection algorithm based on dynamic texture feature. It is found that the dynamic texture feature is essentially a feature descriptor of grayscale texture of an image, and it can not reflect the movement information of the crowd truthfully. According to the spatial distribution characteristics of pedestrian movement information under different crowd behavior, this paper proposes a method to extract the distribution characteristics of pedestrian movement information by establishing optical flow symbiosis matrix. (3) based on support vector machine classifier, the experimental flow of abnormal detection algorithm of crowd behavior based on modified social force model and optical flow co-occurrence matrix is described respectively. Different video data sets are selected to verify the performance of the algorithm, and the experimental results of this paper are compared with the experimental results in the references, which proves the superiority of the proposed algorithm in crowd behavior detection.
【學(xué)位授予單位】：鄭州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41;TN948.6

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄧國強(qiáng);李芝棠;李冬;李戰(zhàn)春;;基于郵件行為異常的垃圾郵件客戶端檢測[J];廣西大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年S1期

2 鄔書躍;田新廣;高立志;張爾揚(yáng);;一種新的基于Markov鏈模型的用戶行為異常檢測方法[J];信號處理;2006年03期

3 孫明謙;胡昌振;危勝軍;;基于支持向量機(jī)的Web用戶行為異常檢測方法[J];微計(jì)算機(jī)信息;2010年18期

4 肖喜;翟起濱;田新廣;陳小娟;;基于Shell命令和DTMC模型的用戶行為異常檢測新方法[J];計(jì)算機(jī)科學(xué);2011年11期

5 洪清啟;王備戰(zhàn);董槐林;張磊;陳兵;;改進(jìn)的基于廣義圖像共生矩陣的圖像檢索方法[J];微型機(jī)與應(yīng)用;2007年S1期

6 范九倫;任靜;;基于平方距離的對稱共生矩陣閾值法[J];電子學(xué)報(bào);2011年10期

7 郭克華;劉傳才;楊靜宇;;曲率共生矩陣識別三維目標(biāo)[J];計(jì)算機(jī)科學(xué);2008年07期

8 賈婧;王忠芝;;基于共生矩陣的圖像檢索系統(tǒng)的研究[J];微計(jì)算機(jī)信息;2010年29期

9 陳建軍;安國成;張索非;吳鎮(zhèn)揚(yáng);;基于核共生矩陣的均值移動(dòng)跟蹤算法[J];中國圖象圖形學(xué)報(bào);2010年10期

10 龍建武;申鉉京;魏巍;何月;陳海鵬;;基于均值—中值—梯度共生矩陣模型的最大熵分割算法[J];計(jì)算機(jī)應(yīng)用研究;2010年09期

相關(guān)會(huì)議論文 前9條

1 鄧穎浩;;老年患者行為異常的護(hù)理[A];全國第八屆老年護(hù)理學(xué)術(shù)交流暨專題講座會(huì)議論文匯編[C];2005年

2 張熙;;神經(jīng)系統(tǒng)變性疾病與睡眠行為異常[A];睡眠醫(yī)學(xué)與精神衛(wèi)生研討會(huì)（中國科協(xié)2005年學(xué)術(shù)年會(huì)第50分會(huì)場）論文匯編[C];2005年

3 鄧穎浩;付江媛;;老年患者行為異常的護(hù)理[A];全國第八屆老年護(hù)理學(xué)術(shù)交流暨專題講座會(huì)議論文匯編[C];2005年

4 趙忠明;朱重光;遲耀斌;;利用三維共生矩陣進(jìn)行紋理分析[A];中國體視學(xué)學(xué)會(huì)圖像分析專業(yè)、中國體視學(xué)學(xué)會(huì)仿真與虛擬現(xiàn)實(shí)專業(yè)、中國航空學(xué)會(huì)信號與信息處理專業(yè)第一屆聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2000年

5 修非;吳霜;付立冬;鮑玉斌;王大玲;;基于灰度-單元差分共生矩陣的醫(yī)學(xué)圖像的檢索與分類[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2007年

6 陳寧;廖茜;桂衛(wèi)華;陽春華;唐朝暉;;基于顏色共生矩陣的浮選泡沫圖像紋理特征提取[A];2011中國有色金屬行業(yè)儀表自動(dòng)化學(xué)術(shù)會(huì)議論文集[C];2011年

7 江暉;;愛白網(wǎng)對改變同性戀人群行為方法的策略思考[A];全國男男性行為人群艾滋病防治工作經(jīng)驗(yàn)交流暨《朋友》項(xiàng)目十周年慶典與貝利—馬丁獎(jiǎng)?lì)C獎(jiǎng)大會(huì)文集[C];2008年

8 薛笑榮;張艷寧;趙榮椿;申家振;胡伏原;;利用小波尺度共生矩陣和灰度共生矩陣的SAR圖像分類[A];信號與信息處理技術(shù)——第一屆信號與信息處理聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2002年

9 孔祥維;李玲玲;尤新剛;;基于多特征支持向量回歸的F5定量隱密分析研究[A];第八屆全國信息隱藏與多媒體安全學(xué)術(shù)大會(huì)湖南省計(jì)算機(jī)學(xué)會(huì)第十一屆學(xué)術(shù)年會(huì)論文集[C];2009年

相關(guān)重要報(bào)紙文章 前10條

1 廣東管理咨詢學(xué)者 吳嘉杰;心理輔導(dǎo)和公眾組織可阻截異常行為[N];東莞日報(bào);2011年

2 聶鑫、記者齊明宇;東莞支隊(duì) 磨礪一線指戰(zhàn)員處突能力[N];人民武警;2009年

3 本報(bào)記者 謝瓊邋通訊員 汪錫文;發(fā)育行為異常兒童日漸增多[N];中山日報(bào);2007年

4 張曉晶 劉鑫;農(nóng)村孩子“心病”比城里孩子高一倍多[N];新華每日電訊;2003年

5 房啟珍;調(diào)整飲食可改善兒童異常行為[N];中國石油報(bào);2001年

6 記者 章軻;環(huán)保部專家：PX成“過街老鼠”緣于地方政府“行為異常”[N];第一財(cái)經(jīng)日報(bào);2013年

7 ;抽動(dòng)——穢語綜合征[N];保健時(shí)報(bào);2004年

8 福建省福州市第一醫(yī)院博士 黃俊山;睡夢中也能暴力傷人[N];健康報(bào);2008年

9 哈醫(yī)大二院兒內(nèi)科副主任 孟祥春 副教授;小兒磨牙是咋回事？[N];黑龍江日報(bào);2000年

10 毛黎;科學(xué)家開發(fā)出分析驚恐人群行為軟件[N];科技日報(bào);2000年

相關(guān)博士學(xué)位論文 前1條

1 張弘;基于圖像空間共生信息的閾值選取方法研究[D];西安電子科技大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 宋慶祥;基于視頻的人群行為異常檢測[D];鄭州大學(xué);2017年

2 李艷飛;基于多傳感器融合的人體定位與行為異常檢測[D];浙江大學(xué);2016年

3 沈琪駿;云計(jì)算環(huán)境中系統(tǒng)行為異常自動(dòng)發(fā)現(xiàn)方法研究[D];上海交通大學(xué);2015年

4 楊珊蕾;阻塞性睡眠呼吸暫停低通氣綜合征兒童認(rèn)知行為異常與血清BDNF的相關(guān)性研究[D];山東大學(xué);2014年

5 戴佳哲;基于內(nèi)容的圖像檢索算法研究[D];浙江理工大學(xué);2016年

6 李冬冬;基于PU塊劃分模式和DCT系數(shù)共生矩陣的HEVC視頻重壓縮檢測算法[D];北京交通大學(xué);2017年

7 任靜;基于共生矩陣的數(shù)字圖像閾值分割法[D];西安郵電學(xué)院;2011年

8 古緒新;基于人群速度與人群分布的異常人群行為檢測[D];哈爾濱工業(yè)大學(xué);2013年

9 李春玲;基于系數(shù)共生矩陣與改進(jìn)的多類SVM的紋理分類[D];吉林大學(xué);2011年

10 劉洵;公共場所密集人群行為分析及干預(yù)措施研究[D];哈爾濱理工大學(xué);2012年

，

本文編號：1921085