基于視頻的群體行為異常檢測.pdf

1、隨著社會經(jīng)濟(jì)文化的發(fā)展，群體社會活動(dòng)呈逐年增多趨勢，群體踩踏等事故也時(shí)有發(fā)生。與此同時(shí)，關(guān)于智能監(jiān)控的研究也越來越多，對人群密度、行為分析的算法也不斷涌現(xiàn)，智能的安全監(jiān)控也成了預(yù)警和檢測突發(fā)事故的重要手段。
　　本文從手臂肢體語言、群體運(yùn)動(dòng)方向、群體密度的角度對群體異常情況進(jìn)行了分析與判斷，并利用圖像處理的技術(shù)實(shí)現(xiàn)了對群體異常情況的檢測。
　　針對踩踏事故中的手臂肢體語言，利用圖像處理的手段，從皮膚和手臂輪廓的角度進(jìn)行檢測，

2、根據(jù)單個(gè)皮膚塊區(qū)域外接矩形大小判斷是否是手臂，對手臂輪廓用直線段擬合，對所得到的直線段進(jìn)行統(tǒng)計(jì)并與正常情況進(jìn)行對比，從而得到檢測異常行為的參考標(biāo)準(zhǔn)。
　　針對低密度人群，采用了軌跡跟蹤和Kalman濾波和CamShift算法相結(jié)合的方法，根據(jù)所檢測到的軌跡總數(shù)所處區(qū)域、人群團(tuán)塊的大小與個(gè)數(shù)對人數(shù)進(jìn)行估計(jì)、對行為進(jìn)行分析。
　　對于徘徊檢測，本文提出基于軌跡的算法，根據(jù)其軌跡在某區(qū)域出現(xiàn)的數(shù)量及重合軌跡像素?cái)?shù)作為判斷是否徘徊的