视频中人群异常事件检测算法研究

论文摘要

随着社会的不断发展,人们对智能化生活的要求越来越高。出于对安全问题的重视,人们对于视频监控的要求不断提高,然而,传统视频监控的非智能化,导致了其无论是性能,还是经济价值上都存在着极大的弊端,这导致新一代智能视频监控的产生。智能视频监控具有潜在的经济效益和社会需求,因此,它受到了广大图像处理学者的高度重视,成为现在研究的一个热点。针对公共场所安全问题,本文要实现一种能够检测人群中一些异常事件——游行、骚乱、静坐及围观的算法。通过对数字图像处理方面的学习与研究,根据四种人群异常事件的特征,本文提出一种能够详细分析人群特征,以做出关于以上四种异常事件的判别算法。本文引入了光流法用于统计人群运动方向,将方向分布规律作为判别人群运动的主要特征。与以往针对单一动态人群异常事件的检测算法不同,本文能够同时对动、静态的人群异常事件做出判断,在对人群动、静状态做出判别后,分别运用不同算法进行检测,扩展了检测算法的应用范围。对待静态人群时,本文采用了先进的多目标检测算法,提取典型目标作为人群代表,判断其动作状态以判别人群行为是否异常。另外,该算法能够实现对与以往对人群单一的特征统计不同,本文中在估计人群运动的同时,采用了灰度共生矩阵算法进行了人群密度的估计。将人群密度特征与人群运动特征有效结合,作为判别人群是否存在异常事件的标准。经过对实际视频的测试,可以证明本文中所叙述的算法能够有效地检测出这四种人群异常事件。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景及意义
• 1.2 研究现状分析
• 1.3 本文的主要工作及章节安排
• 2 相关理论基础
• 2.1 前景提取
• 2.1.1 背景差法
• 2.1.2 帧间差分法
• 2.1.3 光流法
• 2.1.4 基于统计学习的检测算法
• 2.1.5 基于模板的检测算法
• 2.2 特征提取
• 2.2.1 密度特征
• 2.2.2 运动特征
• 2.3 分类器
• 2.4 本章小结
• 3 一种群体异常事件检测系统的实现
• 3.1 系统原理概述
• 3.2 人群密度估计
• 3.3 人群运动估计
• 3.3.1 光流法提取运动矢量
• 3.3.2 多目标检测
• 3.3.3 HOG特征提取
• 3.4 SVM分类器
• 3.5 本章小结
• 4 实验结果及分析
• 4.1 实验环境
• 4.2 实验结果及分析
• 4.2.1 人群密度分析
• 4.2.2 人群运动估计
• 4.3 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢