突發(fā)人群聚集事件智能視頻監(jiān)控.pdf

1、隨著經(jīng)濟(jì)社會(huì)的發(fā)展,尤其是我國(guó)城市化進(jìn)程的推進(jìn),城市的人口密度越來越大,城市的公共交通、生活設(shè)施等經(jīng)常會(huì)迎來短期的人流高峰,人群的高度擁擠若不能得到及時(shí)有效疏散容易造成災(zāi)禍。除此之外,人群密度的增大也容易導(dǎo)致一些突發(fā)人群聚集事件的發(fā)生,對(duì)城市的治安造成較大的威脅。因此,如何有效的對(duì)突發(fā)人群聚集事件進(jìn)行監(jiān)控,是一個(gè)很有研究?jī)r(jià)值的課題。
　　 本文提出了一種對(duì)突發(fā)人群聚集事件進(jìn)行監(jiān)控的方法。首先需要對(duì)被監(jiān)控場(chǎng)景的人群密度特征進(jìn)行提取

2、,然后計(jì)算出被監(jiān)控場(chǎng)景的人群阻塞率,最后將獲取的特征輸入到分類器中,由分類器來判斷是否發(fā)生了突發(fā)人群聚集事件。
　　 在人群密度特征提取方面,本文首先介紹了人群密度檢測(cè)的國(guó)內(nèi)外發(fā)展現(xiàn)狀以及基本理論。通過分析可知,人群密度估中最簡(jiǎn)單的方法是基于像素統(tǒng)計(jì)的密度估計(jì)方法,但是它僅僅適用于低密度且沒有遮擋現(xiàn)象的場(chǎng)景。對(duì)于高密度且有遮擋的場(chǎng)景通常使用基于紋理的分析方法來進(jìn)行密度估計(jì)。但基于紋理分析的方法計(jì)算量較大且耗時(shí)較長(zhǎng)。
　　

3、 在突發(fā)人群聚集事件發(fā)生時(shí),通常是高密度場(chǎng)景,因此本文決定采用基于紋理的分析方法來提取人群密度特征。在提取特征的過程中,需要使用灰度共生矩陣以及其統(tǒng)計(jì)特征值如熵、角二階矩以及對(duì)比度等。
　　 但是僅僅只有密度特征并不能很好地檢測(cè)出突發(fā)人群聚集事件。因?yàn)楹芏嗾Ｇ闆r下也會(huì)出現(xiàn)高密度的人群,如上學(xué)、上班等等。因此除了使用人群密度特征之外,本文還提出了人群阻塞率的概念來輔助偵測(cè)突發(fā)人群聚集事件。然后對(duì)可能影響阻塞率的參數(shù)進(jìn)行了詳細(xì)的分

4、析。隨后對(duì)含有突發(fā)人群聚集現(xiàn)象的場(chǎng)景和正常高密度人群場(chǎng)景的人群阻塞率進(jìn)行了對(duì)比,由此證實(shí)了該參數(shù)的有效性。
　　 最后對(duì)模式識(shí)別中常見的分類方法做了的介紹。其中詳細(xì)介紹了反向傳播神經(jīng)網(wǎng)絡(luò),本文決定采用這種神經(jīng)網(wǎng)絡(luò)作為檢測(cè)突發(fā)人群聚集事件的分類器,在討論了如何構(gòu)建一個(gè)高效的反向傳播神經(jīng)網(wǎng)絡(luò)之后,本文使用部分樣本作為測(cè)試集,對(duì)反向傳播神經(jīng)網(wǎng)絡(luò)進(jìn)行了訓(xùn)練,然后使用反向傳播神經(jīng)網(wǎng)絡(luò)對(duì)剩下的樣本進(jìn)行分類。經(jīng)過實(shí)驗(yàn)證明,本文的方法是有效的。