視頻中的大規(guī)模人群密度與異常行為分析.pdf

1、近幾年來，隨著恐怖暴力事件和人群踩踏事件的增多，大規(guī)模人群行為分析成為視頻監(jiān)控領(lǐng)域的研究熱點(diǎn)。由于在大規(guī)模人群中存在行人嚴(yán)重遮擋的問題，所以基于個體的方法無法有效地對大規(guī)模人群進(jìn)行密度估計與異常事件檢測。因此，基于全局特征角度的研究是人群密度與行為分析的有效方法。課題組在前期對基于光流方向特征的人群異常檢測算法進(jìn)行了研究，取得了較好的成果，但是為了更進(jìn)一步提高視頻中的人群密度估計和異常事件檢測的準(zhǔn)確率，本文在大量實(shí)驗(yàn)分析的基礎(chǔ)上提出一種

2、新的基于分塊的人群密度估計算法，并且對社會力模型進(jìn)行了研究，實(shí)現(xiàn)了基于光流和社會力模型的人群異常事件檢測。本文主要工作如下:
　　(1)人群密度特征與回歸模型的實(shí)驗(yàn)對比。在人群密度估計中，前景分割特征、邊緣特征、灰度共生矩陣紋理特征、LBP特征是比較有效的特征，本文設(shè)計實(shí)驗(yàn)分別在人群稀疏和密集場景下對四種特征進(jìn)行了比較，并且探索多特征融合的有效性。另外，針對線性回歸、PLSA回歸、高斯過程回歸、隨機(jī)森林回歸模型也在人群稀疏和密集場

3、景下進(jìn)行了實(shí)驗(yàn)比較與分析。實(shí)驗(yàn)表明了人群密度估計的準(zhǔn)確性與人群密度等級、特征、回歸模型都有很大的關(guān)系，因此，在不同密度條件下，應(yīng)該選擇不同的特征與回歸模型來達(dá)到最好的準(zhǔn)確率。
　　(2)基于分塊的人群密度估計。本文提出一種新的人群密度估計算法，通過對視頻幀進(jìn)行分塊，基于不同區(qū)域采用不同的特征與回歸模型，深入地挖掘不同密度條件下的最好的特征與回歸模型，從而更好地進(jìn)行人群密度估計，克服了單一回歸模型帶來的局限性。實(shí)驗(yàn)表明了基于分塊的人