基于稀疏線性模型和iHMM的群體異常事件檢測(cè)研究.pdf

1、隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展，很多發(fā)達(dá)地區(qū)人口流動(dòng)也隨之增加，很多公共場(chǎng)合如學(xué)校、商場(chǎng)、車站等經(jīng)常呈現(xiàn)高密度人口聚集場(chǎng)景，導(dǎo)致一些危險(xiǎn)暴力事件發(fā)生。所以公共場(chǎng)合的安全問題對(duì)智能監(jiān)控的需求日益增加，視頻異常檢測(cè)算法研究作為智能監(jiān)控應(yīng)用的核心研究課題，對(duì)公共安全建設(shè)有著重要的研究意義。本文從群體特征感知與異常檢測(cè)模型兩方面進(jìn)行異常檢測(cè)算法研究。下面對(duì)主要內(nèi)容簡(jiǎn)要闡述：
　　在視頻場(chǎng)景中，由于群體是由個(gè)體組成，而每個(gè)個(gè)體能夠表現(xiàn)出兩種特性：一

2、致的群體性和相異的隨機(jī)性，群體特征感知的目標(biāo)是提取每個(gè)個(gè)體的一致性特征，而直接提取個(gè)體的群體特征是相當(dāng)難的，考慮到稀疏向量的稀疏性，本文提出一種基于稀疏線性模型的群體特征感知算法，該算法是基于概率的一種統(tǒng)計(jì)模型，先假設(shè)群體特征具有一定的超高斯先驗(yàn)分布，建立個(gè)體群體性和隨機(jī)性的統(tǒng)計(jì)表征，通過稀疏貝葉斯和變分推理的方法求出群體的稀疏表示，從而有效地實(shí)現(xiàn)個(gè)體的群體性和隨機(jī)性分離，從而提取個(gè)體的一致性特征。最后在MATLAB平臺(tái)上對(duì)圖像稀疏表示

3、進(jìn)行仿真，驗(yàn)證了超高斯先驗(yàn)分布猜想的可行性和有效性。
　　由于異常事件不僅發(fā)生在時(shí)域、空域甚至發(fā)生在空時(shí)域，考慮到異常事件發(fā)生的復(fù)雜性，在稀疏線性模型的基礎(chǔ)上，提出一種基于SLM-iHMM空時(shí)模型的異常檢測(cè)算法，該算法是一種有向級(jí)聯(lián)算法，分別在空域和時(shí)域?qū)D像特征進(jìn)行提取與整合。在空域，基于SLM建立個(gè)體群體性和隨機(jī)性的統(tǒng)計(jì)表征，在空域表示群體特征；在時(shí)域，將空間域特征作為iHMM統(tǒng)計(jì)模型輸入進(jìn)行參數(shù)訓(xùn)練，在狀態(tài)不斷轉(zhuǎn)換中捕捉特征