基于排斥力网络与方向熵的人群显著性运动检测

发布时间：2022-10-19 09:16

　　智能监控是人工智能领域的重要应用方向,人群行为分析是智能监控领域的研究热点,主要通过对视频图像中的行人行为提取特征进而分析人群运动状态,使得系统可以检测出值得关注的人群运行状况,以向工作人员提出警示或供其参考,从而减少意外和危险事件的发生。在人群运动中,显著的人群运动通常表示与主流行人运动不一致的行为,对于视频监控,这些运动行为值得更多关注,检测人群的显著运动在人群视频分析中也具有很大的应用价值。在人群中不同运动行人为了避免碰撞之间会存在着排斥力,对于与主流人群运动不一致的显著性运动行人,他们与主流人群之间排斥力则会很大。同时人群不同的行人个体运动方向可能存在差异,而显著性运动人群运动方向较混乱,因此对应的方向熵就较大。结合排斥力和方向熵的特点,本文提出了基于排斥力网络与方向熵的人群显著性运动检测算法,主要的研究内容与创新如下:1.通过计算速度矢量之间的排斥力构建人群加权网络。使用金字塔光流算法计算人群运动速度矢量场,用网络的思维分析运动场中速度矢量之间的关系,将每一个速度矢量视为网络中的一个节点,通过排斥力公式计算节点之间的排斥力,同时将排斥力的大小作为节点之间的连边权重,由此来构建... 

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景和意义
    1.2 研究现状及发展趋势
        1.2.1 人群行为研究现状
        1.2.2 人群行为分析发展趋势
    1.3 研究内容和结构安排
        1.3.1 主要研究内容
        1.3.2 文章结构安排
第2章 人群速度矢量场的计算
    2.1 引言
    2.2 光流法的提出、发展及现状
    2.3 光流法的原理
        2.3.1 光流场与运动场
        2.3.2 基本光流方程
    2.4 光流的计算方法
        2.4.1 Lucas-Kanade光流方程
        2.4.2 金字塔光流算法
    2.5 本章小结
第3章 人群排斥力网络构建
    3.1 引言
    3.2 复杂网络综述
        3.2.1 复杂网络的概述及表示
        3.2.2 复杂网络的静态几何属性
    3.3 基于排斥力的人群加权网络描述
    3.4 排斥力网络模型的矩阵表示
    3.5 排斥力网络权重确定及特征参数提取
        3.5.1 速度矢量排斥力的计算
        3.5.2 排斥力网络权重的确定
        3.5.3 排斥力网络特征参数的提取
        3.5.4 节点强度的计算
    3.6 本章小结
第4章 构建方向熵矩阵及优化节点强度矩阵
    4.1 引言
    4.2 建立速度矢量方向熵矩阵
    4.3 优化节点强度矩阵
    4.4 本章小结
第5章 实验结果与分析
    5.1 实验视频场景的获取
    5.2 人群运动显著性检测
        5.2.1 人群显著性逆行行为检测
        5.2.2 人群运动不稳定区域检测
        5.2.3 不同邻域大小检测
    5.3 算法比较与分析
    5.4 本章小结
第6章 总结与展望
致谢
参考文献
附录


【参考文献】：
期刊论文
[1]人工智能综述:AI的发展[J]. 崔雍浩,商聪,陈锶奇,郝建业.  无线电通信技术. 2019(03)
[2]人群行为分析研究综述[J]. 王曲,赵炜琪,罗海勇,门爱东,赵方.  计算机辅助设计与图形学学报. 2018(12)
[3]平均光流方向直方图描述的微表情识别[J]. 马浩原,安高云,阮秋琦.  信号处理. 2018(03)
[4]随机复杂网络同步控制研究进展综述[J]. 任红卫,邓飞其.  控制理论与应用. 2017(10)
[5]智能视频监控技术综述[J]. 谷志强.  江西建材. 2017(17)
[6]基于张量黎曼度量的序列图像匹配光流场计算方法[J]. 杨欢,沈晓军,李杰,吴政隆,徐蓓蓓.  北京理工大学学报. 2016(08)
[7]固定需求交通网络的一般系统最优模型与性质[J]. 吴文祥,黄海军.  管理科学学报. 2015(12)
[8]基于智能手机的个体室内时空行为分析[J]. 李清泉,周宝定.  地理科学进展. 2015(04)
[9]基于视频的人群异常事件检测综述[J]. 吴新宇,郭会文,李楠楠,王欢,陈彦伦.  电子测量与仪器学报. 2014(06)
[10]从昆明“3.01”恐怖事件引申的若干问题探究[J]. 郭宝.  云南警官学院学报. 2014(02)

硕士论文
[1]基于加权网络分析的大规模人群局部运动检测[D]. 郑娟.燕山大学 2018
[2]视频监控中人群异常行为检测方法研究[D]. 李萌.宁波大学 2017
[3]基于光流法的运动目标检测和跟踪算法研究[D]. 刘洁.中国矿业大学 2015
[4]基于光流法的运动目标快速跟踪算法研究[D]. 胡金金.西安电子科技大学 2014
[5]智能视频监控中的运动目标检测与跟踪算法研究[D]. 戴金平.杭州电子科技大学 2009
[6]图论在集合论中的应用[D]. 张新.山东大学 2005



本文编号：3693097