本文關鍵詞：融合顯著性信息和社會力模型的人群異常檢測

  更多相關文章： 時空特征 顯著性信息 社會力模型 HOIF SVM

【摘要】：人群異常事件檢測是智能視頻監(jiān)控中的重要研究內容,本文提出一種新的融合時空特征的異常行為檢測算法。首先提取顯著性信息作為空間域特征,采用高精度的光流算法,結合社會力模型計算相互作用力作為時域特征;提出一種新的運動信息特征描述子——相互作用力直方圖(HOIF),將其與顯著性信息特征相融合送入支持向量機(SVM)進行學習訓練,從而對人群事件進行分類。在UMN(University of Minnesota,Twin Cities)數據庫上對本文算法有效性進行了驗證。實驗結果表明,該算法在檢測正確率及魯棒性上要優(yōu)于其他算法。
【作者單位】： 寧波大學信息科學與工程學院;
【關鍵詞】： 時空特征 顯著性信息 社會力模型 HOIF SVM
【基金】：國家自然科學基金(60972063) 寧波市自然科學基金(2014A610065) 寧波大學科研基金(理)/學科項目(XKXL1308)
【分類號】：TP391.41;TN948.6
【正文快照】： 0引言近年來,隨著人口的持續(xù)增長及城市化進程的不斷加快,人群活動變得日益頻繁,在交通路口、機場、火車站、旅游景區(qū)等人群密集的公共場所發(fā)生重大異常事件的現象屢見不鮮,人們的安全意識也在逐漸加強。因此,在智能視頻監(jiān)控中對大規(guī)模人群的異常檢測則顯得尤為重要[1]�，F有，

本文編號：756793