人群異常狀態(tài)檢測(cè)算法研究.pdf

1、近年來(lái)，隨著城市公共場(chǎng)所的規(guī)模越來(lái)越大，人群密集程度越來(lái)越高，搶劫、群毆、踩踏等性質(zhì)嚴(yán)重的人群異常事件的發(fā)生頻率迅速地增加，給公眾的生命財(cái)產(chǎn)安全帶來(lái)了嚴(yán)重的損害。如何有效的預(yù)防人群異常事件的發(fā)生、控制事故發(fā)展是一個(gè)重大的科研課題和社會(huì)課題。因此，本文針對(duì)中高密度人群，提出一種基于圖分析法的人群異常狀態(tài)檢測(cè)算法，該方法具有良好的泛化能力。
　　本文主要針對(duì)人群疏散、聚集、騷亂三種異常狀態(tài)進(jìn)行檢測(cè)，并設(shè)計(jì)了相應(yīng)的檢測(cè)方法，研究?jī)?nèi)容涉及

2、人群運(yùn)動(dòng)目標(biāo)檢測(cè)、人群網(wǎng)絡(luò)圖的構(gòu)建、特征點(diǎn)的圖分析、特征點(diǎn)的非監(jiān)督聚類、人群特征分析等。主要研究工作如下：
　　1)對(duì)于運(yùn)動(dòng)目標(biāo)檢測(cè)及信息提取問(wèn)題，由于在密集的人群中，個(gè)體的運(yùn)動(dòng)類似于一個(gè)流動(dòng)的質(zhì)點(diǎn)在逐漸運(yùn)動(dòng)，本文采用了KLT特征點(diǎn)提取及軌跡跟蹤方法，該算法具有計(jì)算速度快、準(zhǔn)確度高、適用于更為復(fù)雜的情況等優(yōu)點(diǎn)。
　　2)根據(jù)人群可以模擬為由許多個(gè)體通過(guò)相互作用形成的一類網(wǎng)絡(luò)化模型，可以用圖論中的圖來(lái)描述，以及群體中的個(gè)體只會(huì)

3、與具有拓?fù)浣Y(jié)構(gòu)的固定數(shù)量的鄰接個(gè)體集合相互作用，將由 KLT提取的特征點(diǎn)作為圖的節(jié)點(diǎn)，結(jié)合KNN提取的特征點(diǎn)鄰接集合，構(gòu)建人群網(wǎng)絡(luò)圖。另外，本文定義了一個(gè)特征點(diǎn)間的行為一致性準(zhǔn)則，并提出了一個(gè)聚集度的描述式，用以衡量人群的密集分布程度。
　　3)傳統(tǒng)的聚類算法往往需要大量的訓(xùn)練樣本，或者預(yù)先設(shè)定聚類數(shù)目，針對(duì)這個(gè)問(wèn)題，本文提出了一種非監(jiān)督的特征點(diǎn)聚類算法，在人群網(wǎng)絡(luò)圖的基礎(chǔ)上計(jì)算特征點(diǎn)間的一致性，通過(guò)分析特征點(diǎn)間的一致性進(jìn)行聚類。