智能視頻監(jiān)控中人群異常行為的檢測與分析.pdf

1、本論文主要研究了智能視頻監(jiān)控中人群異常行為的檢測與分析。人群異常行為分為多種情況，本論文所研究的人群異常行為主要針對公共場所中突發(fā)事件導(dǎo)致的人群慌亂逃跑行為以及火災(zāi)發(fā)生時(shí)人群逃生等突發(fā)行為。通過運(yùn)動目標(biāo)的檢測與追蹤、行為的分析以及異常行為的識別來實(shí)現(xiàn)異常突發(fā)行為的檢測。
　　在檢測圖像運(yùn)動之前，通過灰度化、去噪、空間域和頻域的圖像增強(qiáng)等預(yù)處理操作使得視頻圖像更加清晰。然后，利用混合高斯背景模型的背景減除法獲得視頻的背景圖像，與當(dāng)前

2、圖像幀差分從而檢測出運(yùn)動對象。使用 KLT(Kanade-Lucas-Tomasi)追蹤算法來追蹤運(yùn)動人群，獲得人群的運(yùn)動速度、方向和位置信息。
　　接著，根據(jù)個(gè)體粒子與群體中其他個(gè)體在運(yùn)動方向、速度等兩個(gè)方面的行為相似性提取出集群性特征來描述人群行為，該特征全局地綜合了整個(gè)群體的運(yùn)動信息，能夠很好地描述人群行為；根據(jù)個(gè)體粒子空間網(wǎng)格分布和運(yùn)動人群的平均速度提取出粒子網(wǎng)格分布特征來描述行為，該特征能夠較好地描繪出人群行為。

3、　　最后，利用直方圖熵值和SVM(Support Vector Machine)的識別方法來識別異常突發(fā)行為。將集群性特征投影到對應(yīng)的直方圖區(qū)間，計(jì)算直方圖的熵值，與訓(xùn)練好的閾值 T進(jìn)行比較來識別異常行為；將粒子網(wǎng)格分布特征放入到訓(xùn)練好的SVM行為分類器中識別異常行為。
　　分別在 UMN和USCD Ped1行為數(shù)據(jù)集上驗(yàn)證本文所提的基于集群性特征的異常突發(fā)行為的識別算法和基于粒子網(wǎng)格分布特征的異常突發(fā)行為的識別算法，與各類定性定