資源描述：
《基于視頻的人群異常檢測(cè)方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、基于視頻的人群異常檢測(cè)方法研究重慶大學(xué)碩士學(xué)位論文(學(xué)術(shù)學(xué)位)學(xué)生姓名：劉倩男指導(dǎo)教師：印勇教授專業(yè)：信號(hào)與信息處理學(xué)科門類：工學(xué)重慶大學(xué)通信工程學(xué)院二O一六年四月ResearchonCrowdAbnormalDetectionMethodBasedonVideoAThesisSubmittedtoChongqingUniversityinPartialFulfillmentoftheRequirementfortheMaster’sDegreeofEngineeringByLiuQiannanSupervisor:Prof.YinYongSpeci
2、alty:SignalandInformationProcessingCollegeofCommunicationEngineeringofChongqingUniversity,Chongqing,ChinaApril,2016重慶大學(xué)碩士學(xué)位論文中文摘要摘要基于視頻的人群異常狀態(tài)檢測(cè)是指在大規(guī)模人群的公共場(chǎng)所，對(duì)群體性事件進(jìn)行行為狀態(tài)分析，判斷其是否存在人群異常事件發(fā)生的檢測(cè)方法。本文主要針對(duì)群體性異常事件進(jìn)行檢測(cè)，采用人群運(yùn)動(dòng)信息和人群密度信息相結(jié)合的人群異常狀態(tài)檢測(cè)算法。主要研究工作如下：1）論文針對(duì)提取人群運(yùn)動(dòng)狀態(tài)信息計(jì)算復(fù)雜度高的問題，首
3、先采用高精度光流算法獲得人群的運(yùn)動(dòng)矢量，然后利用運(yùn)動(dòng)方向分布直方圖獲取人群運(yùn)動(dòng)的方向特征，并利用運(yùn)動(dòng)矢量強(qiáng)度分布獲取運(yùn)動(dòng)強(qiáng)度特征，采用運(yùn)動(dòng)矢量強(qiáng)度特征和運(yùn)動(dòng)方向分布直方圖相結(jié)合的方法描述人群運(yùn)動(dòng)狀態(tài)信息，有效降低了計(jì)算復(fù)雜度，同時(shí)保障人群運(yùn)動(dòng)狀態(tài)特征的描述準(zhǔn)確性。2）為有效利用視頻幀的灰度空間統(tǒng)計(jì)信息和邊緣特征信息，論文分別對(duì)視頻幀的灰度圖像和梯度圖像提取基于局部二值模式的共生矩陣，并采用對(duì)比度、能量、熵和相關(guān)性等參數(shù)來描述人群密度信息，提高了人群密度特征描述的有效性。3）論文將人群運(yùn)動(dòng)狀態(tài)特征和人群密度特征相結(jié)合，采用支持向量機(jī)檢測(cè)人群異常事件。實(shí)
4、驗(yàn)結(jié)果表明，該算法在保障人群異常檢測(cè)準(zhǔn)確性的前提下，有效降低了計(jì)算復(fù)雜度。關(guān)鍵詞：人群異常檢測(cè)，人群運(yùn)動(dòng)特征，人群密度特征，局部二值模式共生矩，運(yùn)動(dòng)方向分布直方圖I重慶大學(xué)碩士學(xué)位論文英文摘要ABSTRACTCrowdabnormalstatedetectionbasedonvideoisadetectionmethodwhichreferstoanalyzestateofbehaviorofmasseventsoflargecrowdsinpublicplace,anddetectwhetherthereisacrowdofabnormaleven
5、t.Inthisthesis,detectingcrowdabnormaleventsarefocusedon,andadetectionmethodisadopted,whichcombinesthecrowdmotioninformationwiththecrowddensityinformation.Themainresearchtasksareasfollows:1)Forthecomplexcomputationofextractingthecrowdmotioninformation,crowdmotionvectorisobtained
6、byhighaccuracyopticalflowfirstly.Then,motiondirectiondistributionhistogramisusedtogetcrowdmotiondirectionfeatures,andmotionvectorintensitydistributionisadoptedtoextractmotionintensityfeatures.Themotionintensityfeatureswiththemotiondirectiondistributionhistogramarecombinedtodesc
7、ribethecrowdmotioninformation,whichreducesthecomputationalcomplexityeffectivelyandguaranteesaccuracyofcrowdmovementstatefeaturesdescription.2)Inordertousethegray-scalespatialstatisticalinformationandedgefeatureinformationofvideoframeseffectively,inthisthesis,theco-occurrencemat
8、ricesareacquiredbasedonlocalbinarypatternofthegrayimag
