監(jiān)控視頻中群體狀態(tài)檢測(cè)與預(yù)報(bào)方法研究.pdf

1、視頻場(chǎng)景中大規(guī)模群體狀態(tài)預(yù)報(bào)綜合了圖像處理、模式識(shí)別、統(tǒng)計(jì)學(xué)、心理學(xué)等各學(xué)科的研究領(lǐng)域,是目前的研究熱點(diǎn)之一。它利用計(jì)算機(jī)圖像技術(shù)通過(guò)群體狀態(tài)分析方法對(duì)其進(jìn)行分析從而獲取當(dāng)前場(chǎng)景中的群體狀態(tài);采用適當(dāng)?shù)臄?shù)學(xué)模型對(duì)群體狀態(tài)信息進(jìn)行預(yù)測(cè),通過(guò)統(tǒng)計(jì)現(xiàn)在和過(guò)去一段時(shí)間內(nèi)場(chǎng)景中的群體狀態(tài)信息獲得未來(lái)某一個(gè)時(shí)刻場(chǎng)景狀態(tài)從而達(dá)到預(yù)報(bào)的目的。
　　本文從多角度對(duì)群體狀態(tài)分析方法進(jìn)行了研究。首先介紹了流量場(chǎng)的概念并提出了基于流量場(chǎng)的群體狀態(tài)檢測(cè)方法

2、。對(duì)其中的數(shù)據(jù)采集及數(shù)據(jù)預(yù)處理等過(guò)程做出了較為詳細(xì)的說(shuō)明。
　　其次,監(jiān)控視頻中人群狀態(tài)的預(yù)報(bào)模型是本文的研究重點(diǎn)。本文選擇了元胞自動(dòng)機(jī)(Cellular Automata,CA)模型作為預(yù)報(bào)基礎(chǔ),分別從預(yù)報(bào)模型和預(yù)報(bào)方法兩方面做了深入研究。
　　針對(duì)現(xiàn)有CA模型不能準(zhǔn)確描述視頻場(chǎng)景群體的運(yùn)動(dòng)信息的不足提出了一種改進(jìn)的特征點(diǎn)格內(nèi)駐留元胞自動(dòng)機(jī)(Inner-grid Parking Cellular Automata,IPCA

3、)模型。根據(jù)大規(guī)模群體運(yùn)動(dòng)的特點(diǎn)定義群體的異常標(biāo)準(zhǔn)并提出了一種基于該標(biāo)準(zhǔn)的微團(tuán)碰撞異常檢測(cè)方法。該方法利用均值聚類將場(chǎng)景中的特征點(diǎn)劃分為不同微團(tuán)結(jié)構(gòu),通過(guò)分析各微團(tuán)結(jié)構(gòu)間的關(guān)系判斷當(dāng)前場(chǎng)景的狀態(tài)。在此基礎(chǔ)上提出了群體狀態(tài)預(yù)報(bào)模型。該模型通過(guò)對(duì)場(chǎng)景中歷史預(yù)報(bào)狀態(tài)的統(tǒng)計(jì)得到相應(yīng)當(dāng)前幀的狀態(tài)信息。通過(guò)不斷地利用場(chǎng)景中的當(dāng)前檢測(cè)的最新信息對(duì)預(yù)報(bào)值進(jìn)行反饋校正使其能夠及時(shí)地反映場(chǎng)景的狀態(tài)變化,從而提高預(yù)報(bào)準(zhǔn)確率。本文將該模型應(yīng)用到公共數(shù)據(jù)集的群體