融合显著性信息和社会力模型的人群异常检测

发布时间：2017-08-30 02:31

  本文关键词：融合显著性信息和社会力模型的人群异常检测

  更多相关文章： 时空特征 显著性信息 社会力模型 HOIF SVM

【摘要】：人群异常事件检测是智能视频监控中的重要研究内容,本文提出一种新的融合时空特征的异常行为检测算法。首先提取显著性信息作为空间域特征,采用高精度的光流算法,结合社会力模型计算相互作用力作为时域特征;提出一种新的运动信息特征描述子——相互作用力直方图(HOIF),将其与显著性信息特征相融合送入支持向量机(SVM)进行学习训练,从而对人群事件进行分类。在UMN(University of Minnesota,Twin Cities)数据库上对本文算法有效性进行了验证。实验结果表明,该算法在检测正确率及鲁棒性上要优于其他算法。
【作者单位】： 宁波大学信息科学与工程学院;
【关键词】： 时空特征 显著性信息 社会力模型 HOIF SVM
【基金】：国家自然科学基金(60972063) 宁波市自然科学基金(2014A610065) 宁波大学科研基金(理)/学科项目(XKXL1308)
【分类号】：TP391.41;TN948.6
【正文快照】： 0引言近年来,随着人口的持续增长及城市化进程的不断加快,人群活动变得日益频繁,在交通路口、机场、火车站、旅游景区等人群密集的公共场所发生重大异常事件的现象屡见不鲜,人们的安全意识也在逐渐加强。因此,在智能视频监控中对大规模人群的异常检测则显得尤为重要[1]。现有，

本文编号：756793