文档库

最新最全的文档下载
当前位置:文档库 > 基于高斯混合模型的人群异常检测

基于高斯混合模型的人群异常检测

龙源期刊网 http://www.wendangku.net/doc/431b76a348649b6648d7c1c708a1284ac9500543.html

基于高斯混合模型的人群异常检测

作者:于明郭团团

来源:《软件导刊》2017年第11期

摘要:近年来,公众场所安全问题得到了广泛关注,视频监控下的人群异常检测成为智能监控的研究热点。现实场景中的人群异常检测具有容易受到光照亮度变化影响、可能存在大量遮挡以及人群密度大等研究难点。提出一种基于高斯混合模型的人群异常检测方法,能有效应用于复杂的室外场景。首先通过预处理阶段求得视频帧的感兴趣区域(ROI),再在感兴趣区域中计算人群光流,并在此基础上融合SIFT特征,利用图像分块提取特征。对不同分块建立对应的高斯混合模型,进而用模型判断特征点是否属于异常事件。实验结果证明,该方法对于UMN数据库中人群的四散奔跑以及UCSD数据库中人行横道上出现汽车和自行车等异常事件有较高的识别率。

关键词关键词:人群异常检测;感兴趣区域;SIFT特征;光流法;高斯混合模型

DOIDOI:10.11907/rjdk.171847

中图分类号:TP319

文献标识码:A文章编号文章编号:16727800(2017)011011407

0引言

近年来,人群异常检测在智能监控视频中扮演着越来越重要的角色。异常本身是指行为不规则、不寻常、偏离正常类型,例如摔倒、斗殴、逆行、闯入禁止区域等[1]。因此,在不同

应用上,异常定义方式不同。本文在监控视频场景下对异常的定义是低概率发生的事件,或者是出现次数很少的事件[23]。

面对监控视频中的高密度人群场景,异常检测面临着3大挑战:①异常与正常定义比较模糊;②高密度人群中存在遮挡情况,行为动作难以分析;③视频监控场景具有多样性,以及视频监控角度不同造成区域运动大小不一致。由于存在这些挑战,导致传统的行人动作分析技术不能直接用于人群异常检测,而人群异常检测又在保障公众场所人身安全上具有重要意义,所以异常检测成为热门的研究方向,一系列检测方法被不断提出。大量相关方法都指出,现实场景具有时间和空间两个特性,异常也具有这两个特性,通常将异常分为时间异常事件和空间异常事件。

时间异常是指在一定时间内视频中物体的速度违背了正常规律的事件,其最明显的表现是视频前后帧的物体位置变化幅度较大。对于时间异常,传统的检测方法有基于轨迹分析的、基于光流法的与基于能量的方法,它们都利用了异常的时间特性[47]。基于轨迹的检测算法通过多目标跟踪算法跟踪行人运动,用运动轨迹表示人群场景,然后用概率模型对人群场景进行建