检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于粗糙集的多类人群异常行为识别算法

科学技术与工程 2021年第11期21卷 4524-4533页

作者：彭月平蒋镕圻徐蕾武警工程大学信息工程学院西安710086

为解决现有基于人工设计特征行为识别方法缺少多类异常行为分类研究和受人工影响大等问题,提出和实现了基于粗糙集的多类中低密度人群异常行为识别算法。该算法首先提取目标人群的人数、帧平均加速度、矩形框的距离势能、方向混乱熵,以... 详细信息

为解决现有基于人工设计特征行为识别方法缺少多类异常行为分类研究和受人工影响大等问题,提出和实现了基于粗糙集的多类中低密度人群异常行为识别算法。该算法首先提取目标人群的人数、帧平均加速度、矩形框的距离势能、方向混乱熵,以及帧间混乱程度五个运动特征量,利用粗糙集从中学习以获取决策规则,再对正常、四散、同向加速跑、突然聚集和群殴这五类人群行为进行分类,并定量对比分析本文算法和其他同类算法处理同一视频集的分类效果。结果表明:与随机森林法等其他同类算法相比,该算法不仅能够有效检测出人群异常行为,还能准确地对五类人群行为进行分类,其识别准确率和覆盖率均有明显提升。

关键词：人群异常行为粗糙集特征量分类

在线全文

学校读者我要写书评

暂无评论

基于深度学习与稀疏光流的人群异常行为识别

基于深度学习与稀疏光流的人群异常行为识别

作者：罗凡波西华大学

学位级别：硕士

针对目前公共场所人群异常行为检测的异常种类定义较少,检测准确率不高,大多检测奔跑异常以及对某些异常无法识别等问题,提出一种基于YOLOv3与稀疏光流的人群异常行为识别算法,通过检测小团体异常,即引发群体异常的诱因,来为群体异常预... 详细信息

针对目前公共场所人群异常行为检测的异常种类定义较少,检测准确率不高,大多检测奔跑异常以及对某些异常无法识别等问题,提出一种基于YOLOv3与稀疏光流的人群异常行为识别算法,通过检测小团体异常,即引发群体异常的诱因,来为群体异常预警与采取相应的应急措施提供充足的时间。首先,为方便定位异常发生区域,将视频分割为多个子区域,获取子区域的图像样本;接着进行诱发群体异常的小团体异常检测,针对传统算法较难检测行人持棍、持枪、持刀与面部遮挡等异常,通过YOLOv3神经网络对这些异常进行检测。最后,由于从众心理等原因,在未检测到上述异常诱因时,人群也会发生突散异常,对此使用稀疏光流法获取人群平均动能与运动方向熵,将得到的特征数据送入DE-PSO-ELM进行分类,区分正常行为与同向突散或无规则突散。实验结果表明,与现有算法相比,本文算法能有效检测行人持械异常与面部遮挡异常等小团体异常,并且能定位异常发生区域,为预警与采取应急措施提供了更多时间,其准确率也达到了98.18%。已有的公共场所人群聚集异常行为检测方法较少,而且存在下列问题:大多检测方法都是在人群已经异常聚集后再进行的检测,检测准确率不高,时效性不够好等。提出一种基于多尺度卷积神经网络(MCNN)的人群聚集异常预测算法。首先,通过多尺度卷积神经网络训练一个人群计数模型,模型训练好后对人群聚集异常视频进行测试;在测试中完成人群人数统计与人群头部坐标点获取,进而计算人群密度、人群距离势能与人群分布熵。最后将得到的三种人群运动状态特征值利用PSO-ELM进行训练,得到预测模型,通过特征数据的变化,完成人群聚集行为的预测。实验结果表明,与现有算法相比,本文算法能有效实现人群聚集异常行为的预警,时效性强,为采取相应应急措施提供了更多时间,预测准确率达到了97.17%。

关键词：人群异常行为异常诱因 YOLOv3 持械异常面部遮挡异常 DE-PSO-ELM 人群聚集异常 MCNN 人群分布熵

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

公共区域人群异常行为监测无人机设计与实现

公共区域人群异常行为监测无人机设计与实现

作者：何雨轩西南科技大学

学位级别：硕士

随着人们对公共安全意识的提高,人群异常行为检测受到越来越多的关注,使得人群异常行为的研究成为了计算机视觉领域中的一个学术热点。目前我国公共区域的监控系统大多是基于可见光的,但是基于可见光的人群异常行为检测受环境影响较大,... 详细信息

随着人们对公共安全意识的提高,人群异常行为检测受到越来越多的关注,使得人群异常行为的研究成为了计算机视觉领域中的一个学术热点。目前我国公共区域的监控系统大多是基于可见光的,但是基于可见光的人群异常行为检测受环境影响较大,并且临时性大型集会场所对固定的视频监控系统提出了更高的挑战。针对上述问题,考虑人群与环境所成红外图像的差异和四旋翼无人机机动性强的特点,本文研究了应用于四旋翼平台的红外人群异常行为监测算法及系统实现。首先,通过牛顿-欧拉力学建立了四旋翼无人机的动力学模型,根据红外成像的特点以及无人机的载荷能力,选用红外热像仪FLIR TAU-336和嵌入式平台Jetson TX1组成的红外视觉系统。实际飞行试验验证了系统的可靠性。然后,针对人群异常行为检测实时性差、分类算法准确率不高和有效特征量少等问题,本文设计了一种基于人群密度估计和人群运动估计的异常行为检测方法。由于目前未见有基于红外的异常行为数据集公开发表,因此自建了红外数据集,其中包括公共区域不同场景下的样本图片和视频。充分考虑人群异常行为与人群密度以及人群平均运动速度的关系,结合密度与平均运动速度对人群异常行为进行判定。设计多任务级联卷积神经网络(Convolutional Neural Network,CNN)将人群密度估计分为人群数量分类和级联密度估计两级子任务,通过将先验知识嵌入到密度估计任务,从而获得具有较低计数误差的高质量密度图(Density Map,DM)。针对人群运动估计问题,采用金字塔LK光流法跟踪运动角点,进而获得运动角点在视频序列连续两帧间的运动向量,用于估计人群的平均运动速度。最后,针对聚集和逃散两种人群异常行为进行测试,结果表明监测无人机系统可以实时有效地检测出公共区域中的人群异常行为。

关键词：监测无人机人群异常行为多任务级联CNN 金字塔LK光流

基于C3D-GRNN模型的人群异常行为识别算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

测控技术 2020年第7期39卷 44-50页

作者：彭月平蒋镕圻徐蕾武警工程大学信息工程学院陕西西安710086

针对传统人群行为识别算法受人工主观因素影响较大等问题,综合三维卷积神经网络(C3D)与广义回归神经网络(GRNN)的优势和特点,提出并实现了基于C3D-GRNN模型的人群异常行为识别算法。该算法首先采用ViBe算法确定运动目标区域,然后通过改... 详细信息

针对传统人群行为识别算法受人工主观因素影响较大等问题,综合三维卷积神经网络(C3D)与广义回归神经网络(GRNN)的优势和特点,提出并实现了基于C3D-GRNN模型的人群异常行为识别算法。该算法首先采用ViBe算法确定运动目标区域,然后通过改进C3D网络提取目标的HOG时空特征,再加入GRNN层进行分类训练,最后根据训练好的C3D-GRNN模型完成人群异常行为的识别与分类。实验结果表明:所提算法的HOG时空特征能够明显提升对人群行为的表达能力,减少了特征提取工作量,并且该方法的准确度和鲁棒性均高于支持向量机等其他同类方法,为小样本数据集的分类问题提供解决新思路,具有较高的应用价值。

关键词：人群异常行为卷积神经网络广义回归神经网络 HOG特征

在线全文

学校读者我要写书评

暂无评论

基于能量的人群异常行为检测算法研究

现代电子技术 2022年第4期45卷 155-160页

作者：李新郝海江陈帆黄琳桂林理工大学信息科学与工程学院广西桂林541000

群体异常的发生会危害社会公共安全,因此利用现有技术对人群进行实时监控和分析,对于维护社会秩序和公共安全具有重要意义。针对公共场所中人群异常行为的检测问题,文中提出一种基于人群运动能量变化的方法来检测人群中是否发生异常行... 详细信息

群体异常的发生会危害社会公共安全,因此利用现有技术对人群进行实时监控和分析,对于维护社会秩序和公共安全具有重要意义。针对公共场所中人群异常行为的检测问题,文中提出一种基于人群运动能量变化的方法来检测人群中是否发生异常行为。该方法利用Farneback光流算法获得视频帧的前景运动图像,并计算视频帧的全局光流幅值。由于人群运动能量与光流幅值成正相关,因此可以通过计算全局光流幅值分析人群运动强度,计算人群瞬时能量,通过将相邻帧间的能量差值与特定阈值做比较来判断人群中是否发生异常事件。最后,在UMN数据集上对文中方法进行测试,得出三种场景下的AUC值分别为0.992,0.948和0.978。实验结果表明,文中所提出的算法能够有效地检测出人群的异常行为,可以满足实时性的要求,且具有良好的性能。

关键词：人群异常行为群体检测运动能量智能监控前景提取光流幅值计算异常事件判断

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

公共场所人群加速度异常检测系统

安全与环境学报 2017年第3期17卷 1043-1048页

作者：华斌梁茜刘赏盛家川天津财经大学理工学院天津300222

针对目前基于速度检测公共场所密集人群异常行为存在的检测准确率低、使用范围局限的问题,从人群的加速度角度对可能导致公共安全事故的人群异常行为进行研究,提出了一种基于加速度检测人群异常行为的算法,并基于该算法实现了针对人群... 详细信息

针对目前基于速度检测公共场所密集人群异常行为存在的检测准确率低、使用范围局限的问题,从人群的加速度角度对可能导致公共安全事故的人群异常行为进行研究,提出了一种基于加速度检测人群异常行为的算法,并基于该算法实现了针对人群逃散、人群聚集、人群拥挤和人群逆行4种异常行为检测的系统。首先,利用金字塔Lucas-Kanade光流法进行特征点跟踪;然后,在获取到特征点的速度矩阵基础上进一步计算其加速度矩阵,反映速度的整体变化;最后,从加速度大小和方向两方面检测人群异常行为。结果表明,所提算法检测用时较少,相比基于速度检测的对比算法,检测的正确率提高到80%,误报率降低为5%。

关键词：安全管理工程人群异常行为加速度金字塔Lucas-Kanade光流法检测系统

在线全文

学校读者我要写书评

暂无评论

基于监控视频的群体性异常事件检测研究

基于监控视频的群体性异常事件检测研究

作者：施新凯中国人民公安大学

学位级别：硕士

利用智能监控设备对人群异常行为进行检测,可有效预防或及时处置群体性事件。在现有的人群异常检测方法研究中,异常行为的检测种类往往较为单一,无法对监控视频中出现的持刀斗殴、纵火以及人群异常聚集等行为进行检测,且多数算法计算量... 详细信息

利用智能监控设备对人群异常行为进行检测,可有效预防或及时处置群体性事件。在现有的人群异常检测方法研究中,异常行为的检测种类往往较为单一,无法对监控视频中出现的持刀斗殴、纵火以及人群异常聚集等行为进行检测,且多数算法计算量大、实时性差,不能及时产生预警信息。因此,基于监控视频的人群异常行为检测方法成为了重要的研究方向。本文提出了一种基于监控视频的人群异常行为检测方法,并进行了软件设计与实现,具体工作如下:（1）构建基于轻量化网络的目标检测模型。为满足模型对监控视频中持刀斗殴、纵火和纵烟异常行为检测的速度和精度要求,本文在基于YOLOv4算法的基础上引入了Mobilenet和Ghostnet轻量化网络。将轻量化网络替换了YOLOv4的主干特征网络并进行实验,实验结果表明基于轻量化网络结构的YOLOv4模型的参数量下降明显。其中Mobilenetv2-YOLOv4的参数量较原网络下降了83%,检测速度较原网络提高了57%。模型轻量化后,其参数量和检测速度有了较大提升,但模型的鲁棒性有了明显下降。（2）提出一种基于注意力感知和轻量化网络的目标检测方法。为提高轻量化目标检测模型的鲁棒性,本文通过引入注意力机制来提升模型对特征的提取能力。主要引入了SENet、ECANet和CBAM三种注意力机制进行实验。实验结果表明,在添加了三种注意力机制的模型中,平均检测精度均值均有了提高。其中添加CBAM注意力模块的模型平均检测精度均值为84%,相较没有添加注意力机制的模型提高了2%。（3）提出一种群体性异常事件检测系统,并进行了软件实现。本文基于改进的轻量化目标检测模型对监控视频中持刀、纵火以及纵烟行为进行检测,同时结合MCNN人群计数算法对人群密度进行检测,实现从异常目标和人群密度两个维度对人群异常行为进行检测。在软件实现方面,分析相关功能需求,利用Py Qt5设计界面,实现了对群体性事件检测和预警的功能。本文研究成果能够应用于公共安全领域,为预防和处置突发性群体异常事件提供了技术支持。

关键词：人群异常行为目标检测 YOLOv4 轻量化网络人群计数