突發(fā)人群聚集事件智能視頻監(jiān)控.pdf

1、隨著經(jīng)濟社會的發(fā)展,尤其是我國城市化進程的推進,城市的人口密度越來越大,城市的公共交通、生活設(shè)施等經(jīng)常會迎來短期的人流高峰,人群的高度擁擠若不能得到及時有效疏散容易造成災(zāi)禍。除此之外,人群密度的增大也容易導致一些突發(fā)人群聚集事件的發(fā)生,對城市的治安造成較大的威脅。因此,如何有效的對突發(fā)人群聚集事件進行監(jiān)控,是一個很有研究價值的課題。
　　 本文提出了一種對突發(fā)人群聚集事件進行監(jiān)控的方法。首先需要對被監(jiān)控場景的人群密度特征進行提取

2、,然后計算出被監(jiān)控場景的人群阻塞率,最后將獲取的特征輸入到分類器中,由分類器來判斷是否發(fā)生了突發(fā)人群聚集事件。
　　 在人群密度特征提取方面,本文首先介紹了人群密度檢測的國內(nèi)外發(fā)展現(xiàn)狀以及基本理論。通過分析可知,人群密度估中最簡單的方法是基于像素統(tǒng)計的密度估計方法,但是它僅僅適用于低密度且沒有遮擋現(xiàn)象的場景。對于高密度且有遮擋的場景通常使用基于紋理的分析方法來進行密度估計。但基于紋理分析的方法計算量較大且耗時較長。
　　

3、 在突發(fā)人群聚集事件發(fā)生時,通常是高密度場景,因此本文決定采用基于紋理的分析方法來提取人群密度特征。在提取特征的過程中,需要使用灰度共生矩陣以及其統(tǒng)計特征值如熵、角二階矩以及對比度等。
　　 但是僅僅只有密度特征并不能很好地檢測出突發(fā)人群聚集事件。因為很多正常情況下也會出現(xiàn)高密度的人群,如上學、上班等等。因此除了使用人群密度特征之外,本文還提出了人群阻塞率的概念來輔助偵測突發(fā)人群聚集事件。然后對可能影響阻塞率的參數(shù)進行了詳細的分

4、析。隨后對含有突發(fā)人群聚集現(xiàn)象的場景和正常高密度人群場景的人群阻塞率進行了對比,由此證實了該參數(shù)的有效性。
　　 最后對模式識別中常見的分類方法做了的介紹。其中詳細介紹了反向傳播神經(jīng)網(wǎng)絡(luò),本文決定采用這種神經(jīng)網(wǎng)絡(luò)作為檢測突發(fā)人群聚集事件的分類器,在討論了如何構(gòu)建一個高效的反向傳播神經(jīng)網(wǎng)絡(luò)之后,本文使用部分樣本作為測試集,對反向傳播神經(jīng)網(wǎng)絡(luò)進行了訓練,然后使用反向傳播神經(jīng)網(wǎng)絡(luò)對剩下的樣本進行分類。經(jīng)過實驗證明,本文的方法是有效的。