基于視頻監(jiān)控的群體異常行為檢測研究.pdf

1、近年來，恐怖襲擊和突發(fā)性群體事件不斷挑戰(zhàn)城市的防御底線，公共安全問題已在全球范圍內(nèi)引起廣泛關(guān)注。傳統(tǒng)的視頻監(jiān)控主要依賴于人工監(jiān)控，費時費力且效率低，智能視頻監(jiān)控系統(tǒng)的實現(xiàn)成為了減少公共場合內(nèi)群眾人身傷害及財產(chǎn)損失的有效措施。因此，對基于視頻監(jiān)控的群體異常行為檢測系統(tǒng)進(jìn)行深入研究具有重要的應(yīng)用價值與深遠(yuǎn)的現(xiàn)實意義。
　　針對傳統(tǒng)群體異常行為檢測系統(tǒng)實時性與場景適應(yīng)性不能達(dá)到平衡的情況，結(jié)合機(jī)器學(xué)習(xí)相關(guān)最新理論成果，提出一種結(jié)合群體密

2、度特征和運動特征以實現(xiàn)群體異常行為檢測的新方案。本文對群體密度進(jìn)行估計，而后提取群體運動特征，最后利用隨機(jī)森林分類器實現(xiàn)群體異常行為的多類別檢測，具體研究工作如下：
　　一、群體密度估計。提取ROI范圍內(nèi)經(jīng)過透視矯正算法更新的二值前景面積，利用FAST角點密度設(shè)定群體密度權(quán)重值，完成前景像素歸一化；在不同權(quán)值范圍內(nèi)運用各自的最小二乘法擬合曲線估計出群體密度等級。群體密度估計的主要目的是排除運動矢量在群體稀疏場景下仍可能較為混亂的情

3、況，減少誤判。
　　二、群體運動特征提取。利用二值前景掩碼得到圖像前景圖，計算局部稠密HS光流場后經(jīng)過光流場掩碼提取光流運動信息，而后提取平均動能和運動方向熵這兩種群體運動特征；對光流場掩碼內(nèi)的 FAST角點計算其兩兩之間的歐式距離，提取距離勢能；利用歸一化前景面積計算得到群體人數(shù)變化率。提取的四種群體運動特征分別描述了群體運動的劇烈程度、運動方向的混亂程度、群體個體間的分散程度以及視頻拍攝范圍內(nèi)人數(shù)的變化速度。
　　三、群

4、體行為識別。將提取的四種群體運動特征作為分類屬性，利用訓(xùn)練樣本訓(xùn)練得到隨機(jī)森林分類器后根據(jù)測試樣本中的各類屬性差異判斷類別，實現(xiàn)群體異常行為的識別。本文就正常、室外恐慌、同方向突散、急走急停這四種典型群體行為進(jìn)行深入研究與識別分析。
　　本文提出的群體異常行為檢測方法主要在場景適應(yīng)性和實時性方面進(jìn)行了有效改進(jìn)，算法對UMN和PETS2009公共數(shù)據(jù)庫內(nèi)多個相關(guān)視頻進(jìn)行仿真實驗分析，并與其他檢測算法進(jìn)行對比分析，實驗結(jié)果表明：本文方