視頻監(jiān)控中人群狀態(tài)分析及異常事件檢測(cè)方法研究.pdf

1、隨著世界范圍內(nèi)的人口增長(zhǎng)和快速城市化,大規(guī)模人群聚集活動(dòng)日益頻繁,如何對(duì)人群活動(dòng)進(jìn)行有效管理和控制成為公共安全中的突出問(wèn)題。智能人群監(jiān)控技術(shù)已經(jīng)成為智能監(jiān)控的一個(gè)研究熱點(diǎn),采用計(jì)算機(jī)視覺(jué)、圖像處理和模式識(shí)別等技術(shù)實(shí)現(xiàn)人群場(chǎng)景狀態(tài)分析和異常事件檢測(cè)在人群管理方面具有重要的現(xiàn)實(shí)意義,是公共場(chǎng)所安全管理的必然需求。本文主要對(duì)視頻監(jiān)控中人群的密度估計(jì)和運(yùn)動(dòng)分析算法進(jìn)行了研究,將人群密度等級(jí)和運(yùn)動(dòng)狀態(tài)用作異常檢測(cè)和事件識(shí)別。
　　在人群密度

2、估計(jì)方面,本文提出一種基于局部二進(jìn)制模式和灰度共生矩陣相結(jié)合的LBP-GLCM紋理分析方法提取前景圖像的密度特征,然后應(yīng)用支持向量機(jī)SVM機(jī)器學(xué)習(xí)方法對(duì)人群密度等級(jí)進(jìn)行分類。人群密度狀態(tài)分為free、ristricted、dense和jammed四類,由于采用了基于前景模板的紋理分析方法,避免了背景紋理的干擾,有效提高了密度估計(jì)的準(zhǔn)確性。為了實(shí)現(xiàn)局部密度分析和定位,實(shí)現(xiàn)局部密度異常檢測(cè),本文還提出了將上述密度估計(jì)方法與基于滑動(dòng)窗的圖像分

3、塊處理方法相結(jié)合的局部密度分析方法,實(shí)現(xiàn)了局部密度等級(jí)的標(biāo)記和定位。本文所提出的人群密度估計(jì)算法,適用于整體和全局兩種密度分析情況,并且對(duì)低中高密度分類都具有較高的準(zhǔn)確性。
　　在人群運(yùn)動(dòng)分析方面,本文采用基于特征點(diǎn)的稀疏光流技術(shù)獲取運(yùn)動(dòng)矢量場(chǎng),利用自適應(yīng)混合高斯模型提取的前景像素作為特征點(diǎn)掩膜,從而僅僅獲得前景目標(biāo)特征點(diǎn)的運(yùn)動(dòng)矢量。為了更準(zhǔn)確的定義人群異常,本文采用多統(tǒng)計(jì)特征描述方法,提出人群平均動(dòng)能、運(yùn)動(dòng)直方圖方向熵和相鄰幀歸