基于LHMM和熵的聚眾事件實(shí)時(shí)檢測(cè)算法研究與實(shí)現(xiàn).pdf

1、智能視頻監(jiān)控是計(jì)算機(jī)視覺一個(gè)新興的應(yīng)用方向。計(jì)算機(jī)視覺中對(duì)于事件檢測(cè)問(wèn)題的研究,既是一個(gè)熱點(diǎn)又是一個(gè)難點(diǎn)。本文根據(jù)廣西千億元產(chǎn)業(yè)重大科技攻關(guān)工程項(xiàng)目《車載雷達(dá)前向防撞報(bào)警系統(tǒng)》和廣西科學(xué)基金項(xiàng)目《基于圖像傳感器陣列的智能視頻監(jiān)控系統(tǒng)研究與開發(fā)》的研制要求,主要重點(diǎn)研究聚眾事件的檢測(cè)與實(shí)現(xiàn)問(wèn)題。
　　在分析了目前已有的異常事件檢測(cè)方法的基礎(chǔ)上,將熵值用于聚眾事件檢測(cè)。該方法以光流法為基礎(chǔ)計(jì)算每一幀的熵值,當(dāng)熵值大于一定閾值時(shí),即認(rèn)為

2、聚眾事件發(fā)生。同時(shí),針對(duì)其在聚眾事件檢測(cè)中的缺點(diǎn),提出了當(dāng)場(chǎng)景中的前景大于一定閾值時(shí),才使用光流法計(jì)算該幀熵值,判斷是否有聚眾發(fā)生。這種方法相對(duì)于先前每一幀直接光流法計(jì)算熵值的方法處理速度有很大提高。最后通過(guò)大量實(shí)驗(yàn)驗(yàn)證,增加距離后的熵值算法在聚眾異常事件檢測(cè)中是有效的,但它不能滿足實(shí)時(shí)性的要求。
　　針對(duì)已有分層隱馬爾科夫模型(LHMM)聚眾事件檢測(cè)方法對(duì)于一類類似聚眾事件不能正確加以區(qū)分,但該方法具有很好的實(shí)時(shí)性。本文提出了將

3、已有的LHMM和熵值相結(jié)合的聚眾事件檢測(cè)方法,即當(dāng)滿足LHMM發(fā)生聚眾事件的閾值條件時(shí),再使用光流法計(jì)算該幀的熵值,當(dāng)熵值也同時(shí)大于一定閾值時(shí),即認(rèn)為聚眾事件發(fā)生。由于類似聚眾事件具有較強(qiáng)的方向性,導(dǎo)致它的熵值與聚眾事件熵值相差較大,這為實(shí)驗(yàn)中正確區(qū)分聚眾事件與類似聚眾事件提供了有利條件。
　　同時(shí),在圖像預(yù)處理中,使用直方圖均衡化對(duì)視頻幀做適當(dāng)?shù)墓庹昭a(bǔ)償;在提取前景中的目標(biāo)時(shí),使用物體的長(zhǎng)寬比,消除場(chǎng)景中一些其它物體對(duì)檢測(cè)結(jié)果的