監(jiān)控視頻中群體狀態(tài)檢測與預(yù)報方法研究.pdf

1、視頻場景中大規(guī)模群體狀態(tài)預(yù)報綜合了圖像處理、模式識別、統(tǒng)計學(xué)、心理學(xué)等各學(xué)科的研究領(lǐng)域,是目前的研究熱點之一。它利用計算機圖像技術(shù)通過群體狀態(tài)分析方法對其進(jìn)行分析從而獲取當(dāng)前場景中的群體狀態(tài);采用適當(dāng)?shù)臄?shù)學(xué)模型對群體狀態(tài)信息進(jìn)行預(yù)測,通過統(tǒng)計現(xiàn)在和過去一段時間內(nèi)場景中的群體狀態(tài)信息獲得未來某一個時刻場景狀態(tài)從而達(dá)到預(yù)報的目的。
　　本文從多角度對群體狀態(tài)分析方法進(jìn)行了研究。首先介紹了流量場的概念并提出了基于流量場的群體狀態(tài)檢測方法

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

3、)模型。根據(jù)大規(guī)模群體運動的特點定義群體的異常標(biāo)準(zhǔn)并提出了一種基于該標(biāo)準(zhǔn)的微團碰撞異常檢測方法。該方法利用均值聚類將場景中的特征點劃分為不同微團結(jié)構(gòu),通過分析各微團結(jié)構(gòu)間的關(guān)系判斷當(dāng)前場景的狀態(tài)。在此基礎(chǔ)上提出了群體狀態(tài)預(yù)報模型。該模型通過對場景中歷史預(yù)報狀態(tài)的統(tǒng)計得到相應(yīng)當(dāng)前幀的狀態(tài)信息。通過不斷地利用場景中的當(dāng)前檢測的最新信息對預(yù)報值進(jìn)行反饋校正使其能夠及時地反映場景的狀態(tài)變化,從而提高預(yù)報準(zhǔn)確率。本文將該模型應(yīng)用到公共數(shù)據(jù)集的群體