視頻監(jiān)控中人群狀態(tài)分析及異常事件檢測方法研究.pdf

1、隨著世界范圍內(nèi)的人口增長和快速城市化,大規(guī)模人群聚集活動日益頻繁,如何對人群活動進行有效管理和控制成為公共安全中的突出問題。智能人群監(jiān)控技術(shù)已經(jīng)成為智能監(jiān)控的一個研究熱點,采用計算機視覺、圖像處理和模式識別等技術(shù)實現(xiàn)人群場景狀態(tài)分析和異常事件檢測在人群管理方面具有重要的現(xiàn)實意義,是公共場所安全管理的必然需求。本文主要對視頻監(jiān)控中人群的密度估計和運動分析算法進行了研究,將人群密度等級和運動狀態(tài)用作異常檢測和事件識別。
　　在人群密度

2、估計方面,本文提出一種基于局部二進制模式和灰度共生矩陣相結(jié)合的LBP-GLCM紋理分析方法提取前景圖像的密度特征,然后應(yīng)用支持向量機SVM機器學(xué)習(xí)方法對人群密度等級進行分類。人群密度狀態(tài)分為free、ristricted、dense和jammed四類,由于采用了基于前景模板的紋理分析方法,避免了背景紋理的干擾,有效提高了密度估計的準確性。為了實現(xiàn)局部密度分析和定位,實現(xiàn)局部密度異常檢測,本文還提出了將上述密度估計方法與基于滑動窗的圖像分

3、塊處理方法相結(jié)合的局部密度分析方法,實現(xiàn)了局部密度等級的標記和定位。本文所提出的人群密度估計算法,適用于整體和全局兩種密度分析情況,并且對低中高密度分類都具有較高的準確性。
　　在人群運動分析方面,本文采用基于特征點的稀疏光流技術(shù)獲取運動矢量場,利用自適應(yīng)混合高斯模型提取的前景像素作為特征點掩膜,從而僅僅獲得前景目標特征點的運動矢量。為了更準確的定義人群異常,本文采用多統(tǒng)計特征描述方法,提出人群平均動能、運動直方圖方向熵和相鄰幀歸