基于特征點的群體異常檢測方法的研究.pdf

1、本文的研究工作圍繞公共場所中出現群體異常行為監(jiān)控系統(tǒng)中的群體異常行為檢測算法展開，重點研究本文群體異常檢測方法設計實現過程中所涉及到的特征點提取算法、運動前景提取算法，目標跟蹤算法以及群體異常檢測算法四個關鍵問題。
　　觀存的異常檢測算法大多數是通過運動模板的方式實現的，本文研究設計了一種基于特征點的群體異常檢測方法。首先，在研究分析Harris特征點提取算法與SIFT特征點提取算法的基礎上，結合Harris特征點與SIFT特征點

2、各自的優(yōu)勢，設計了一種在多尺度空間內的改進型Haris特征點提取方法，并以此方法初步提取了群體異常檢測所需要的特征點。然后，為了進一步篩選出有效運動前景區(qū)域特征點，提高異常檢測的準確率，在研究分析相關的運動前景提取算法的基礎上，設計了一種基于運動前景提取算法的特征點優(yōu)化方法。緊接著又基于Lucas-Kanadec算法對優(yōu)化后特征點進行了跟蹤匹配，并在此基礎上進一步研究發(fā)掘了跟蹤匹配成功的特征點在相鄰幀間空間位置關系的變化，然后依據該變化

3、為匹配成功的特征點賦予運動速度和運動方向兩個屬性，然后按照運動屬性對運動特征點集進行分類統(tǒng)計，進而構造出群體運動場。在群體異常檢測階段，依據群體運動場的速度分類統(tǒng)計信息和方向分類統(tǒng)計信息分別給出了針對速度和方向的異常判決器設計方法，同時也給出了結合速度與方向兩方面的綜合性異常判決方法。
　　本文最后在Visual Studio2010開發(fā)平臺上編程實現了基于特征點的群體異常檢測方法，并通過UMN數據集進行了相關性能測試，測試結果表