基于视频的公共场所人群异常行为检测系统的设计与实现

发布时间：2024-01-27 05:22

　　随着公众安全意识的提升以及视频监控设备制造成本的降低,越来越多的场所架设了视频监控系统。其中,针对公共场所的人群异常检测系统尤为重要,该场景下较高的人群密度导致异常事件发生概率的提升,并导致其影响范围的快速扩大。现有的此类异常检测系统多是针对人群拥堵或指定的异常行为进行检测,缺乏异常行为的通用检测方案。因此,本研究基于上述现状,结合深度学习技术对人群异常检测相关领域展开研究,设计并实现了一个人群异常行为检测系统。与针对具体行为进行检测的现有异常检测系统相比,本系统不对异常种类进行限制,实现对人群中各类异常行为的通用检测。首先,本研究对人群异常行为检测模型展开研究。由于异常事件复杂多样、难以定义,监控视频中的异常检测一直是一个具有挑战性的问题。对此,本研究提出了一种全新的双流时空生成模型,通过同时进行输入视频帧的重建和未来帧的预测来充分利用视频信息。为了提高该模型对视频中表征物体外观及运动的时空特征的捕捉能力,本研究首先将ConvLSTM融入生成模型,再构造出一个判别器与之对抗训练。在使用正常事件样本训练后,本研究的生成模型可以针对输入的视频片段计算出重构误差和预测误差并依此进行异常检测...

【文章页数】：100 页

【学位级别】：硕士

图1.1现场监控

图1.2暴乱后的车站（2）2015年9月24日，沙特麦加发生人群踩踏事故（见图1.3和1.4），

图1.3事故发生的交叉口

图1.4事故后的现场

本文编号：3886380