近年來,隨著經(jīng)濟的發(fā)展,在一些公共場合,人群聚集現(xiàn)象越來越頻繁,人群密度過高時容易發(fā)生一些不可控的群體性事件,因此,對人群進行監(jiān)控,及時發(fā)現(xiàn)人群密度過高和其他異常事件是非常關鍵的。本文針對人群密度異常和人群行為異常兩方面進行研究,主要研究工作如下:1)一般的人群密度估計算法會受到人群遮擋的影響,很難對不同密度等級的人群進行準確估計。本文采用了基于前景像素的人數(shù)估計算法,首先,對場景進行背景建模,并對輸入圖像進行區(qū)域分割以減少透視效應的影響,再計算以人群為前景的像素大小,針對不同位置的前景使用不同的比例系數(shù),并針對遮擋的問題,提出一種新的遮擋系數(shù)的計算方法。而后,針對紋理特征檢測密度會受到背景的影響,采用了一種只檢測前景圖像的紋理特征的人群密度估計算法。2)對人群異常行為檢測難度較大,因為異常本身很復雜而且異常種類很多,很難檢測出所有的異常種類。因此本文以包含正常人群的樣本為訓練集,使用字典學習得到一個合適的字典。并使用字典對待測樣本進行稀疏表示,根據(jù)稀疏重建能量值或者殘差的大小對待測樣本進行判定。異常樣本的重建能量值和殘差都較高,正常樣本的值較低。由于一般的檢測方法字典是固定的,難以滿... 

【文章來源】：長春理工大學吉林省

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 選題背景及研究的目的和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 人群密度估計研究現(xiàn)狀
        1.2.2 人群異常檢測研究現(xiàn)狀
    1.3 本文研究內(nèi)容與結構
第2章 相關技術概述
    2.1 前景提取算法
        2.1.1 幀間差分法
        2.1.2 混合高斯背景模型
        2.1.3 ViBe算法
    2.2 稀疏表示理論
        2.2.1 稀疏模型
        2.2.2 稀疏分解算法
    2.3 字典學習
        2.3.1 最佳方向法
        2.3.2 K-SVD算法
    2.4 稀疏表示分類
    2.5 本章小結
第3章 人群密度檢測
    3.1 基于像素特征的人群計數(shù)
        3.1.1 區(qū)域劃分
        3.1.2 計算遮擋系數(shù)
        3.1.3 基于像素特征方法的實驗與結果
    3.2 基于紋理特征的密度估計
        3.2.1 圖像紋理特征
        3.2.2 支持向量機
        3.2.3 結合前景圖的紋理分析
        3.2.4 紋理分析方法實驗與結果
    3.3 本章小結
第4章 基于稀疏表示的人群異常行為檢測
    4.1 人群特征提取
        4.1.1 特征點匹配法
        4.1.2 L-K光流法
    4.2 多尺度光流直方圖
    4.3 特征字典學習
        4.3.1 正交匹配追蹤
        4.3.2 構建加權OMP
    4.4 異常判斷
    4.5 字典在線更新
    4.6 實驗仿真與結果分析
    4.7 本章小結
第5章 結論
參考文獻
附錄A 攻讀碩士學位期間發(fā)表的論文和專利
致謝


【參考文獻】：
期刊論文
[1]SAR圖像紋理特征相關變化檢測的震害建筑物提取[J]. 李強,張景發(fā),龔麗霞,薛騰飛,蔣洪波.  遙感學報. 2018(S1)
[2]人群密度估計綜述[J]. 江中華.  輕工科技. 2018(10)
[3]融合直方圖高階統(tǒng)計特征與GLCM特征的室內(nèi)紅外圖像人群密度分類[J]. 李熙瑩,黃秋筱.  紅外技術. 2017(07)
[4]基于深度卷積神經(jīng)網(wǎng)絡的人群密度估計方法[J]. 譚智勇,袁家政,劉宏哲,李青.  計算機應用與軟件. 2017(07)
[5]一種基于心理學模型的人群踩踏情景仿真方法[J]. 劉婷婷,劉箴,柴艷杰,劉翠娟,陳佳鑫.  系統(tǒng)仿真學報. 2016(10)
[6]基于支持向量機的遙感圖像分類研究綜述[J]. 王振武,孫佳駿,于忠義,卜異亞.  計算機科學. 2016(09)
[7]基于背景差分和光流法的運動目標檢測與跟蹤[J]. 劉榮,金國偉.  現(xiàn)代制造技術與裝備. 2015(02)
[8]基于分層光流的煤礦井下運動目標跟蹤算法[J]. 程德強,劉潔,郭政.  工礦自動化. 2015(03)
[9]圖像稀疏表示及其在圖像處理中的應用[J]. 孫君頂,趙慧慧.  紅外技術. 2014(07)
[10]基于角點檢測與SIFT算法的快速匹配方法[J]. 陳長偉.  計算機應用與軟件. 2014(07)

博士論文
[1]基于稀疏分解的說話人識別技術研究[D]. 徐瓏婷.南京郵電大學 2017

碩士論文
[1]基于稀疏表示和字典學習的雷達目標識別方法研究[D]. 胡允侃.南京航空航天大學 2018
[2]基于稀疏表示的圖像分類技術研究[D]. 趙慧慧.河南理工大學 2015
[3]基于視頻的目標跟蹤及人群密度估計方法研究[D]. 郄志安.上海交通大學 2015
[4]面向視頻監(jiān)控應用的人群分析研究[D]. 盧曉威.上海交通大學 2015



本文編號：3202894