下载本文档
版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
1、 针对视频监控的中小群体异常行为检测分析 李锐摘 要:近年来,视频监控的应用范围日渐广泛,应用过程中,常有中小群体异常行为出现,需及时进行检测,在此过程中,传统的检测方法场景适应与实时性的平衡难以实现。因此,该文基于机器学习角度,将一种通过群体密度、运动特征来对异常行为进行检测的方法提出,应用对群体密度进行快速估计的方法来对群体的密度特征进行提取,群体运动特征则应用局部稠密光流法来进行提取,与密度特征相结合,对群体异常行为的识别以随机森林计算法来实现。关键词:视频监控 中小群体 异常行为 检测:tp391 :a :1672-3791(2017
2、)03(a)-0058-02现阶段,对监控视频中群体异常行为进行检测的模型大多还有一些问题存在,一方面,实时性与场景适应性的平衡难以实现,对模型进行检测需要耗费大量时间,这些检测模型不能对多种异常情况进行适应。另一方面,部分检测模型忽视了对群体密度的估计,在群体稀疏场景中,运动矢量可能比较混乱,致使误判出现。基于这些问题,该文提出一种通过群体密度的特征与运动的特征来对异常行为实施检测的方法。1 常用监控视频中小群体异常行为检测方法分析当前,基于视频监控角度,学者们将多种检测模型提出,具体而言,主要有以下几种类型:(1)通过分类实现检测的模型,此种模型对样本进行训练,得到正常事件的分类器,随后应
3、用分类器来对需要检测的事件进行分类处理。(2)通过推断实现检测的模型,对表示事件相关的特征数据实时聚类处理,得到一个基本的事件模式,随后建立各个基本事件的概率密度函数,以获得各个基本事件属于某种模式的可能性,从而推断出异常类型。(3)通过重构实现检测的模型,应用正常事件中的相应数据,对其进行训练,以小误差重构获得正常的事件,以大误差重构获得异常事件。(4)通过能量实现检测的模型,在此种模型下,监控区域被看作是一个整体,对其中运动相应的能量进行提取,与阈值进行比对,对行为是否正常进行判断。2 该文提出的针对视频监控的中小群体异常行为检测方法分析2.1 算法的整体框架该文提出的算法通过以下三个步骤
4、来实现:第一,将对群体密度进行快速估计的算法提出,对群体的密度等级(设为g)、群体人数的变化率(设为v)进行提取。第二,将对群体运动特征进行提取的算法提出,对平均动能(设为e)、运动方向熵(设为o)、距离势能(设为d)三个群体运动特征进行提取。第三,对以上两个步骤进行综合,获得五种群体特征,应用随机森林算法来对群体行为进行判断,查看是否有异常存在。2.2 对群体密度进行检测的算法应用混合的高斯背景模型来对roi中二值前景像素数进行提取,利用透视矫正算法来对前景像素数进行更新,以fast角点密度来对群体密度权的重值进行设定,使前景像素完成归一化,于不同的取值范围中,应用最小二乘法来对曲线进行拟合
5、,以对g进行估计。随后,以前景像素数的计算获得v,此种算法对中小群体密度的估算能够实现良好效果。2.3 对运动体征进行提取的算法前景图通过二值前景的掩码获得,对局部的稠密光流进行计算,通过光流的掩码来对光流的相关运动信息进行提取,得到e、o的运动特征。对光流场掩码中的fast角点相互间的欧式距离进行计算,对d进行提取。3 通过随机森林进行特征分类的方法随机森林算法属于基于决策树组合分类算法的一种,个别树输出的类别众数决定了其总体的输出类别,此种方法运算简单、快速,事先无需对数据实施预处理,需要进行调整的参数不多,无需担心拟合过度的问题,可对大数据集进行有效处理,且抗燥能力较强。在现有的诸多算法
6、中,随机森林算法的精度最高,对多分类问题进行处理时,相较于支持向量机,此种方法的泛化能力明显较强。其实现过程如下,其中,n为训练样本数;m为训练样本属性数,m为整数,>0,< p>4 分析实验结果在双核2.69 ghz的cpu、内存为1.7gb的pc机上对该监控系统进行搭建,该文算法通过编写代码实现(matlab 2014a开发平台),相关视频的序列来源于pets2009、umn,实验结果证实,相较于传统的群体异常行为分析方法,该文的方法效果理想,在对中小群体的异常行为进行检测中比较适用。4.1 该文算法识别率与传统算法识别率比对对于没有规则的乱动、相同方向突然散乱、突然奔跑
7、三种常见的一种,该文算法的分类结果、识别率均较为理想。传统的方法分别对群体密度进行估计,对群体运动特征进行提取,与前景像素数、边缘像素数相结合,以最小二乘法来估计密度群体的数量,应用灰度共生矩阵与支持量机相结合,对估计高密度的人群数量,再应用纯光流法来对群体方向熵、运动平均动能进行提取,随后与事先设定好的阈值进行比对,以判断是否有异常的行为出现。4.2 该文算法实时性与传统算法实时性比对对于umn中出现没有规则乱动的视频,该文算法的实时性较高。进行实际运用过程中,该文算法每隔5帧就可以采样一次,采样率相对较低,这样,可使计算的耗时得到进一步减少,一般情况下,平均时耗仅为每帧36.6 ms。该文
8、算法与传统算法的比较情况如下,对于密度进行估计时,该文的用时是53 ms,传统算法是165 ms;对光流特征进行提取时,该文算法用时为99 ms,传统算法是138 ms;该文算法分类器用时为0 ms,传统算法是13 ms。可见,该文算法各项用时均明显较传统算法短,在实时性方面,该文算法有巨大优势。5 结语目前,监控视频的应用日渐广泛,应用过程中,经常需要对群体异常行为进行判断,以对监控系统进行及时调试,从而保证监控准确性。为了进一步对监控视频中小群体异常行为的检测方法进行探讨,该文提出了一种通过对群体密度与运动的特征来对检测异常行为的方法,采用归一化的前景像素数来估计群体的密度。此种算法不但准确,而且速度快,能够对人群稀疏场景进行良好排除,使错误判断减少。另外,该文采用随机森林算法对异常行为进行分类,并将实验结果与传统计算方法得到的结果比较,结果显示,该文方法的准确度、实时性均明显较为优越,且有良好的场景适应性,在实际工作中应用价值较大。参考文献1 郑伟,李媛媛.吉林市水利无线视频监
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 2025下半年四川凉山越西县招聘中小学教师100人高频重点提升(共500题)附带答案详解
- 2025上海市体育发展服务中心拟聘人员历年高频重点提升(共500题)附带答案详解
- 2025上半年浙江杭州市五云山医院高层次、紧缺专业人才招考聘用4人通知高频重点提升(共500题)附带答案详解
- 2025上半年四川遂宁市安居区部分事业单位考试招聘7人高频重点提升(共500题)附带答案详解
- 2025上半年四川省自贡市事业单位招聘(1121人)高频重点提升(共500题)附带答案详解
- 建筑装饰翰林府施工合同
- 传媒公司制片人聘任合同
- 建筑材料质量检验操作手册
- 2024圆通速递快递服务收费标准及合同规定3篇
- 2024年离婚财产分割夫妻合同标准格式版B版
- 金匮要略2022-2023-2学期学习通超星期末考试答案章节答案2024年
- DB31-T 1502-2024 工贸行业有限空间作业安全管理规范
- 《思想政治理论实践》教学大纲
- 苏轼向南(2023年四川广元中考语文试卷散文阅读题及答案)
- 2025年日历A4纸打印
- 人文关怀与和谐护患关系
- DB15-T 3599-2024 黑土地质量评价规范
- 2024-2030年全球及中国长石开采行业现状规模及投资前景预测报告
- 麦克纳姆轮的设计
- 2025中考英语备考专题10 阅读理解之说明文(北京中考真题+名校模拟)
- DL∕T 5362-2018 水工沥青混凝土试验规程
评论
0/150
提交评论