基于特征點的群體異常檢測方法的研究.pdf

1、本文的研究工作圍繞公共場所中出現(xiàn)群體異常行為監(jiān)控系統(tǒng)中的群體異常行為檢測算法展開，重點研究本文群體異常檢測方法設計實現(xiàn)過程中所涉及到的特征點提取算法、運動前景提取算法，目標跟蹤算法以及群體異常檢測算法四個關鍵問題。
　　觀存的異常檢測算法大多數(shù)是通過運動模板的方式實現(xiàn)的，本文研究設計了一種基于特征點的群體異常檢測方法。首先，在研究分析Harris特征點提取算法與SIFT特征點提取算法的基礎上，結(jié)合Harris特征點與SIFT特征點

2、各自的優(yōu)勢，設計了一種在多尺度空間內(nèi)的改進型Haris特征點提取方法，并以此方法初步提取了群體異常檢測所需要的特征點。然后，為了進一步篩選出有效運動前景區(qū)域特征點，提高異常檢測的準確率，在研究分析相關的運動前景提取算法的基礎上，設計了一種基于運動前景提取算法的特征點優(yōu)化方法。緊接著又基于Lucas-Kanadec算法對優(yōu)化后特征點進行了跟蹤匹配，并在此基礎上進一步研究發(fā)掘了跟蹤匹配成功的特征點在相鄰幀間空間位置關系的變化，然后依據(jù)該變化

3、為匹配成功的特征點賦予運動速度和運動方向兩個屬性，然后按照運動屬性對運動特征點集進行分類統(tǒng)計，進而構(gòu)造出群體運動場。在群體異常檢測階段，依據(jù)群體運動場的速度分類統(tǒng)計信息和方向分類統(tǒng)計信息分別給出了針對速度和方向的異常判決器設計方法，同時也給出了結(jié)合速度與方向兩方面的綜合性異常判決方法。
　　本文最后在Visual Studio2010開發(fā)平臺上編程實現(xiàn)了基于特征點的群體異常檢測方法，并通過UMN數(shù)據(jù)集進行了相關性能測試，測試結(jié)果表