人群異常狀態(tài)檢測算法研究.pdf

1、近年來，隨著城市公共場所的規(guī)模越來越大，人群密集程度越來越高，搶劫、群毆、踩踏等性質(zhì)嚴(yán)重的人群異常事件的發(fā)生頻率迅速地增加，給公眾的生命財產(chǎn)安全帶來了嚴(yán)重的損害。如何有效的預(yù)防人群異常事件的發(fā)生、控制事故發(fā)展是一個重大的科研課題和社會課題。因此，本文針對中高密度人群，提出一種基于圖分析法的人群異常狀態(tài)檢測算法，該方法具有良好的泛化能力。
　　本文主要針對人群疏散、聚集、騷亂三種異常狀態(tài)進(jìn)行檢測，并設(shè)計了相應(yīng)的檢測方法，研究內(nèi)容涉及

2、人群運(yùn)動目標(biāo)檢測、人群網(wǎng)絡(luò)圖的構(gòu)建、特征點的圖分析、特征點的非監(jiān)督聚類、人群特征分析等。主要研究工作如下：
　　1)對于運(yùn)動目標(biāo)檢測及信息提取問題，由于在密集的人群中，個體的運(yùn)動類似于一個流動的質(zhì)點在逐漸運(yùn)動，本文采用了KLT特征點提取及軌跡跟蹤方法，該算法具有計算速度快、準(zhǔn)確度高、適用于更為復(fù)雜的情況等優(yōu)點。
　　2)根據(jù)人群可以模擬為由許多個體通過相互作用形成的一類網(wǎng)絡(luò)化模型，可以用圖論中的圖來描述，以及群體中的個體只會

3、與具有拓?fù)浣Y(jié)構(gòu)的固定數(shù)量的鄰接個體集合相互作用，將由 KLT提取的特征點作為圖的節(jié)點，結(jié)合KNN提取的特征點鄰接集合，構(gòu)建人群網(wǎng)絡(luò)圖。另外，本文定義了一個特征點間的行為一致性準(zhǔn)則，并提出了一個聚集度的描述式，用以衡量人群的密集分布程度。
　　3)傳統(tǒng)的聚類算法往往需要大量的訓(xùn)練樣本，或者預(yù)先設(shè)定聚類數(shù)目，針對這個問題，本文提出了一種非監(jiān)督的特征點聚類算法，在人群網(wǎng)絡(luò)圖的基礎(chǔ)上計算特征點間的一致性，通過分析特征點間的一致性進(jìn)行聚類。