基于特征點(diǎn)的群體異常檢測(cè)方法的研究.pdf

1、本文的研究工作圍繞公共場(chǎng)所中出現(xiàn)群體異常行為監(jiān)控系統(tǒng)中的群體異常行為檢測(cè)算法展開(kāi)，重點(diǎn)研究本文群體異常檢測(cè)方法設(shè)計(jì)實(shí)現(xiàn)過(guò)程中所涉及到的特征點(diǎn)提取算法、運(yùn)動(dòng)前景提取算法，目標(biāo)跟蹤算法以及群體異常檢測(cè)算法四個(gè)關(guān)鍵問(wèn)題。
　　觀存的異常檢測(cè)算法大多數(shù)是通過(guò)運(yùn)動(dòng)模板的方式實(shí)現(xiàn)的，本文研究設(shè)計(jì)了一種基于特征點(diǎn)的群體異常檢測(cè)方法。首先，在研究分析Harris特征點(diǎn)提取算法與SIFT特征點(diǎn)提取算法的基礎(chǔ)上，結(jié)合Harris特征點(diǎn)與SIFT特征點(diǎn)

2、各自的優(yōu)勢(shì)，設(shè)計(jì)了一種在多尺度空間內(nèi)的改進(jìn)型Haris特征點(diǎn)提取方法，并以此方法初步提取了群體異常檢測(cè)所需要的特征點(diǎn)。然后，為了進(jìn)一步篩選出有效運(yùn)動(dòng)前景區(qū)域特征點(diǎn)，提高異常檢測(cè)的準(zhǔn)確率，在研究分析相關(guān)的運(yùn)動(dòng)前景提取算法的基礎(chǔ)上，設(shè)計(jì)了一種基于運(yùn)動(dòng)前景提取算法的特征點(diǎn)優(yōu)化方法。緊接著又基于Lucas-Kanadec算法對(duì)優(yōu)化后特征點(diǎn)進(jìn)行了跟蹤匹配，并在此基礎(chǔ)上進(jìn)一步研究發(fā)掘了跟蹤匹配成功的特征點(diǎn)在相鄰幀間空間位置關(guān)系的變化，然后依據(jù)該變化

3、為匹配成功的特征點(diǎn)賦予運(yùn)動(dòng)速度和運(yùn)動(dòng)方向兩個(gè)屬性，然后按照運(yùn)動(dòng)屬性對(duì)運(yùn)動(dòng)特征點(diǎn)集進(jìn)行分類統(tǒng)計(jì)，進(jìn)而構(gòu)造出群體運(yùn)動(dòng)場(chǎng)。在群體異常檢測(cè)階段，依據(jù)群體運(yùn)動(dòng)場(chǎng)的速度分類統(tǒng)計(jì)信息和方向分類統(tǒng)計(jì)信息分別給出了針對(duì)速度和方向的異常判決器設(shè)計(jì)方法，同時(shí)也給出了結(jié)合速度與方向兩方面的綜合性異常判決方法。
　　本文最后在Visual Studio2010開(kāi)發(fā)平臺(tái)上編程實(shí)現(xiàn)了基于特征點(diǎn)的群體異常檢測(cè)方法，并通過(guò)UMN數(shù)據(jù)集進(jìn)行了相關(guān)性能測(cè)試，測(cè)試結(jié)果表