視頻中的大規(guī)模人群密度與異常行為分析.pdf

1、近幾年來，隨著恐怖暴力事件和人群踩踏事件的增多，大規(guī)模人群行為分析成為視頻監(jiān)控領域的研究熱點。由于在大規(guī)模人群中存在行人嚴重遮擋的問題，所以基于個體的方法無法有效地對大規(guī)模人群進行密度估計與異常事件檢測。因此，基于全局特征角度的研究是人群密度與行為分析的有效方法。課題組在前期對基于光流方向特征的人群異常檢測算法進行了研究，取得了較好的成果，但是為了更進一步提高視頻中的人群密度估計和異常事件檢測的準確率，本文在大量實驗分析的基礎上提出一種

2、新的基于分塊的人群密度估計算法，并且對社會力模型進行了研究，實現(xiàn)了基于光流和社會力模型的人群異常事件檢測。本文主要工作如下:
　　(1)人群密度特征與回歸模型的實驗對比。在人群密度估計中，前景分割特征、邊緣特征、灰度共生矩陣紋理特征、LBP特征是比較有效的特征，本文設計實驗分別在人群稀疏和密集場景下對四種特征進行了比較，并且探索多特征融合的有效性。另外，針對線性回歸、PLSA回歸、高斯過程回歸、隨機森林回歸模型也在人群稀疏和密集場

3、景下進行了實驗比較與分析。實驗表明了人群密度估計的準確性與人群密度等級、特征、回歸模型都有很大的關系，因此，在不同密度條件下，應該選擇不同的特征與回歸模型來達到最好的準確率。
　　(2)基于分塊的人群密度估計。本文提出一種新的人群密度估計算法，通過對視頻幀進行分塊，基于不同區(qū)域采用不同的特征與回歸模型，深入地挖掘不同密度條件下的最好的特征與回歸模型，從而更好地進行人群密度估計，克服了單一回歸模型帶來的局限性。實驗表明了基于分塊的人