论文摘要：群体异常事件检测方法研究与实现

随着计算机技术和人工智能的飞速发展，智能视频监控系统作为图像智能分析中的一项重要研究方向和应用领域已受到广泛的关注。智能视频监控的发展在维护公共安全、预防各种恐怖事件的发生中发挥着至关重要的作用。人群行为分析因其丰富的应用价值成为智能视频监控领域中的一个研究热点。群体异常事件检测作为人群行为分析的一个关键组成部分，其目标是从图像序列中发现可以表征人群异常行为的特有信息，从而及时地发出告警，维护公共安全。

本文针对视频监控领域的中、高密度人群场景提出了基于交互功率模型的群体异常事件检测算法，主要进行了以下几方面的工作：

首先，对现有的群体异常事件检测方法进行了总结和分析，通过实验对比分析了常用的场景理解和背景建模方法：混合高斯模型和VIBE算法的优缺点，并比较了几种主要的光流法：Horn-Schunck光流法、Lucas-Kanade光流法和LDOF光流法在人群运动估计中的应用效果。

其次，针对目前人群行为分析研究中的难点，本文提出了交互功率模型来分析人群的运动稳定状态，从人群整体的角度出发，将人群中个体间的交互功率作为运动特征来分析人群是否存在异常。交互功率越大，人群的运动状态变化越快，人群越不稳定。本文并通过实验对该交互功率模型的正确性进行验证。

最后，基于交互功率模型，本文通过分析正常和异常人群交互功率的差异性，提出了自适应阈值的异常检测准则，并结合该异常检测准则构建了完整的群体异常事件检测框架。基于该异常检测框架，本文通过大量的实验数据对比分析，证明了本文算法可以准确有效的检测出人群场景中的异常事件。

来源：半壳优胜鲸鱼幸运星转载请保留出处和链接！

本文链接：http://87cpy.com/282149.html