基于人群的異常事件檢測(cè)的研究.pdf

1、隨著視頻監(jiān)控技術(shù)向網(wǎng)絡(luò)化、數(shù)字化、智能化等方向的不斷延伸，利用智能型的視頻監(jiān)控技術(shù)，從視頻流的幀序列中檢測(cè)、跟蹤行人并分析人或人群的運(yùn)動(dòng)模式正成為學(xué)術(shù)研究中的熱點(diǎn)問(wèn)題。目前，已存在的基于視頻監(jiān)控場(chǎng)景下的人群異常事件檢測(cè)方法雖已多種多樣，但是這些檢測(cè)模型存在著計(jì)算復(fù)雜度大、適用場(chǎng)景單一等諸多問(wèn)題。因此，為了解決以上難題，本文在總結(jié)原有算法的基礎(chǔ)上，提出了相應(yīng)的優(yōu)化算法。主要內(nèi)容包括如下兩方面：
　　一方面，針對(duì)檢測(cè)模型有較高計(jì)算復(fù)雜

2、度的問(wèn)題，提出了一種基于假設(shè)檢驗(yàn)的異常事件檢測(cè)算法，可以較好的提高檢測(cè)的時(shí)間性能。該算法首先通過(guò)高斯濾波對(duì)視頻圖像進(jìn)行預(yù)處理，并使用稠密光流法提取出人群運(yùn)動(dòng)信息，作為人群的運(yùn)動(dòng)特征描述子；此后，對(duì)大量的正負(fù)樣本集進(jìn)行采樣統(tǒng)計(jì)，分析獲得樣本的分布規(guī)律；接著，依據(jù)“越接近異常事件，光流值越大”的分布規(guī)律，建立基于假設(shè)檢驗(yàn)的異常事件檢測(cè)模型，并最終得到人群事件的異常檢測(cè)結(jié)果。通過(guò)實(shí)驗(yàn)對(duì)比發(fā)現(xiàn)，本文提出的算法在檢測(cè)準(zhǔn)確率上高達(dá)99.6％，在時(shí)間

3、性能方面平均每幀0.146s或0.156s，而其他方法則需要0.2s/幀，或甚至達(dá)到25s/幀。
　　另一方面，針對(duì)適用場(chǎng)景單一的問(wèn)題，提出了一種基于三維光流直方圖的時(shí)空特征和在線模糊聚類的異常事件檢測(cè)方法，可以更好地適應(yīng)對(duì)有差異的視頻監(jiān)控場(chǎng)景的異常事件檢測(cè)。該方法首先使用基于三維光流直方圖的時(shí)空域特征提取方法，得到能夠較好描述視頻內(nèi)容的特征描述子；其次，使用模糊C均值的聚類算法，對(duì)特征描述子進(jìn)行低級(jí)聚類，得到初級(jí)的編碼本和隸屬度

4、矩陣；再次，對(duì)時(shí)空視頻體進(jìn)行二次重采樣，并使用概率密度函數(shù)的方法對(duì)其進(jìn)行描述，根據(jù)得到的描述子，對(duì)其進(jìn)行基于模糊C均值的高級(jí)聚類，得到高級(jí)聚類的編碼本和隸屬度矩陣，從而可以得到樣本中前景目標(biāo)的運(yùn)動(dòng)模式；然后，使用包含新視頻幀的數(shù)據(jù)與原有的初始化數(shù)據(jù)，利用高級(jí)的隸屬度矩陣進(jìn)行比較，從而判斷出視頻流中異常事件的發(fā)生區(qū)域；最后，為了達(dá)到場(chǎng)景自適應(yīng)性的目的，需要將測(cè)試視頻幀加入到原始數(shù)據(jù)集中更新初始化數(shù)據(jù)，以得到新的運(yùn)動(dòng)模式用以檢測(cè)新的視頻幀。