基于Vibe改进算法的中高密度人群异常检测方法研究

摘要

人们的公共安全意识在不断增强，众多公共场所的人群管理具有重要的现实意义。目前人群密度估计与人群异常行为检测技术是人群监控管理的两个重要方面，具有极大的实用价值。针对人群突然向四处逃跑、群殴等人群异常事件，本文结合人群运动特征和人群密度特征来检测人群异常行为，研究内容涉及前景提取算法、特征点提取与跟踪算法、人群密度特征提取方法、人群运动特征提取方法以及人群异常检测算法。本文主要研究工作如下：
　　(1)研究分析常用运动目标检测算法,在此基础上本文设计实现了一种V ib e改进算法，改进算法能改善V ib e算法中产生的鬼影及阴影问题，并且在光照突变下也能进行有效检测，测试结果表明了本文改进算法可以较准确地检测出场景中的运动目标。
　　(2)在提取到前景运动目标之后，本文提出使用运动特征变化率表征人群的运动信息，首先通过金字塔LK光流法跟踪前景图像的特征点计算出运动目标的运动向量，并统计视频帧块区间内的特征点来表征人群的分布状态，结合运动向量和分布状态形成人群运动特征变化率描述人群运动信息。随后通过前景图像像素数对人群密度视频图像分类，若为稀疏人群图像则提取前景特征点数、前景像素总面积、边缘特征和周长面积比特征描述人群密度信息，若为密集人群图像则提取前景图的局部二值模式灰度共生矩阵特征和灰度图的局部二值模式灰度共生矩阵特征描述人群密度特征。
　　(3)研究分析现有人群异常检测方法，在此基础上本文将人群运动特征和人群密度特征结合检测人群异常行为。通过采用标准视频数据集UMN数据集对采取人群运动特征、人群运动和方向特征、人群运动特征变化率的方法进行实验对比，实验验证了本文方法在准确率和实时性上较好的表现。

目录

声明

1 绪 论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 论文结构安排

2 运动目标检测方法的研究

2.1 帧间差分法

2.2 Vibe算法

2.3 本文运动目标检测方法设计与实现

2.4 本章小结

3 人群运动特征的提取

3.1 Surf算法特征点提取

3 . 2 金字塔L ucas-Kanade光流法跟踪

3.3 运动特征的描述

3.4 本章小结

4 人群密度特征的提取

4.1 人群像素特征的提取

4.2 人群纹理特征的提取

4.3 提取人群密度特征的实验对比

4.4 本章小结

5 人群异常行为检测方法

5.1 支持向量机

5.2 人群异常行为检测整体设计

5.3 人群异常行为检测实验

5.4 本章小结

6总结与展望

6.1 本文工作总结

6.2 展望

致谢

参考文献