基于Vibe改進(jìn)算法的中高密度人群異常檢測方法研究.pdf

1、分類號UDC密級學(xué)號2141220032碩士學(xué)位論文碩士學(xué)位論文基于基于VibeVibe改進(jìn)算法的中高密度人群改進(jìn)算法的中高密度人群異常檢測方法研究異常檢測方法研究李丹丹李丹丹學(xué)科門類：類：工學(xué)工學(xué)學(xué)科名稱：稱：計(jì)算機(jī)應(yīng)用技術(shù)計(jì)算機(jī)應(yīng)用技術(shù)指導(dǎo)教師：師：張發(fā)存張發(fā)存副教授副教授申請日期：期：2017年6月摘要論文題目：基于論文題目：基于VibeVibe改進(jìn)算法的中高密度人群異常檢測方法研究改進(jìn)算法的中高密度人群異常檢測方法研究學(xué)科學(xué)科名

2、稱名稱：計(jì)算機(jī)應(yīng)用技術(shù)：計(jì)算機(jī)應(yīng)用技術(shù)研究生：李丹丹生：李丹丹簽名：名：指導(dǎo)教師：張發(fā)存指導(dǎo)教師：張發(fā)存副教授副教授簽名：名：摘要人們的公共安全意識在不斷增強(qiáng)，眾多公共場所的人群管理具有重要的現(xiàn)實(shí)意義。目前人群密度估計(jì)與人群異常行為檢測技術(shù)是人群監(jiān)控管理的兩個重要方面，具有極大的實(shí)用價值。針對人群突然向四處逃跑、群毆等人群異常事件，本文結(jié)合人群運(yùn)動特征和人群密度特征來檢測人群異常行為，研究內(nèi)容涉及前景提取算法、特征點(diǎn)提取與跟蹤算法、人群

3、密度特征提取方法、人群運(yùn)動特征提取方法以及人群異常檢測算法。本文主要研究工作如下：（1）研究分析常用運(yùn)動目標(biāo)檢測算法，在此基礎(chǔ)上本文設(shè)計(jì)實(shí)現(xiàn)了一種Vibe改進(jìn)算法，改進(jìn)算法能改善Vibe算法中產(chǎn)生的鬼影及陰影問題，并且在光照突變下也能進(jìn)行有效檢測，測試結(jié)果表明了本文改進(jìn)算法可以較準(zhǔn)確地檢測出場景中的運(yùn)動目標(biāo)。（2）在提取到前景運(yùn)動目標(biāo)之后，本文提出使用運(yùn)動特征變化率表征人群的運(yùn)動信息，首先通過金字塔LK光流法跟蹤前景圖像的特征點(diǎn)計(jì)算出運(yùn)

4、動目標(biāo)的運(yùn)動向量，并統(tǒng)計(jì)視頻幀塊區(qū)間內(nèi)的特征點(diǎn)來表征人群的分布狀態(tài)，結(jié)合運(yùn)動向量和分布狀態(tài)形成人群運(yùn)動特征變化率描述人群運(yùn)動信息。隨后通過前景圖像像素數(shù)對人群密度視頻圖像分類，若為稀疏人群圖像則提取前景特征點(diǎn)數(shù)、前景像素總面積、邊緣特征和周長面積比特征描述人群密度信息，若為密集人群圖像則提取前景圖的局部二值模式灰度共生矩陣特征和灰度圖的局部二值模式灰度共生矩陣特征描述人群密度特征。（3）研究分析現(xiàn)有人群異常檢測方法，在此基礎(chǔ)上本文將人群