基于LHMM和熵的聚眾事件實時檢測算法研究與實現(xiàn).pdf

1、智能視頻監(jiān)控是計算機視覺一個新興的應(yīng)用方向。計算機視覺中對于事件檢測問題的研究,既是一個熱點又是一個難點。本文根據(jù)廣西千億元產(chǎn)業(yè)重大科技攻關(guān)工程項目《車載雷達前向防撞報警系統(tǒng)》和廣西科學(xué)基金項目《基于圖像傳感器陣列的智能視頻監(jiān)控系統(tǒng)研究與開發(fā)》的研制要求,主要重點研究聚眾事件的檢測與實現(xiàn)問題。
　　在分析了目前已有的異常事件檢測方法的基礎(chǔ)上,將熵值用于聚眾事件檢測。該方法以光流法為基礎(chǔ)計算每一幀的熵值,當(dāng)熵值大于一定閾值時,即認(rèn)為

2、聚眾事件發(fā)生。同時,針對其在聚眾事件檢測中的缺點,提出了當(dāng)場景中的前景大于一定閾值時,才使用光流法計算該幀熵值,判斷是否有聚眾發(fā)生。這種方法相對于先前每一幀直接光流法計算熵值的方法處理速度有很大提高。最后通過大量實驗驗證,增加距離后的熵值算法在聚眾異常事件檢測中是有效的,但它不能滿足實時性的要求。
　　針對已有分層隱馬爾科夫模型(LHMM)聚眾事件檢測方法對于一類類似聚眾事件不能正確加以區(qū)分,但該方法具有很好的實時性。本文提出了將

3、已有的LHMM和熵值相結(jié)合的聚眾事件檢測方法,即當(dāng)滿足LHMM發(fā)生聚眾事件的閾值條件時,再使用光流法計算該幀的熵值,當(dāng)熵值也同時大于一定閾值時,即認(rèn)為聚眾事件發(fā)生。由于類似聚眾事件具有較強的方向性,導(dǎo)致它的熵值與聚眾事件熵值相差較大,這為實驗中正確區(qū)分聚眾事件與類似聚眾事件提供了有利條件。
　　同時,在圖像預(yù)處理中,使用直方圖均衡化對視頻幀做適當(dāng)?shù)墓庹昭a償;在提取前景中的目標(biāo)時,使用物體的長寬比,消除場景中一些其它物體對檢測結(jié)果的