面向復(fù)雜公共區(qū)域的群體聚集性計(jì)算方法研究.pdf

1、隨著城鎮(zhèn)人口的增多和城市規(guī)模的不斷擴(kuò)大，發(fā)生在公共區(qū)域的群體聚集情形越來(lái)越常見(jiàn)，伴隨而來(lái)發(fā)生在人群中的恐怖暴力和踩踏等群體性事件嚴(yán)重影響了社會(huì)的安全與穩(wěn)定，針對(duì)此類(lèi)場(chǎng)景中的群體聚集行為分析逐漸成為智能視頻監(jiān)控領(lǐng)域新的研究熱點(diǎn)。
　　由于公共區(qū)域內(nèi)的目標(biāo)對(duì)象類(lèi)型較多、群體運(yùn)動(dòng)模式復(fù)雜多變，使得針對(duì)這些區(qū)域內(nèi)的群體聚集狀態(tài)分析變得非常困難。針對(duì)該問(wèn)題，本文提出了一種基于運(yùn)動(dòng)目標(biāo)軌跡信息的群體聚集狀態(tài)計(jì)算方法。首先，采用了一種新的全局特

2、征來(lái)表示公共區(qū)域內(nèi)的群體運(yùn)動(dòng)，該特征可以充分描述目標(biāo)興趣點(diǎn)的時(shí)空和運(yùn)動(dòng)信息；其次，提出了一種對(duì)目標(biāo)興趣點(diǎn)先聚類(lèi)分組再計(jì)算聚集性的策略，使得單個(gè)群體的聚集性計(jì)算更加一致有效；最后，提出了一種更為全面的群體聚集性描述子，用于對(duì)人群聚集狀態(tài)進(jìn)行詳細(xì)描述，并以該描述子為基礎(chǔ)，實(shí)現(xiàn)了群體運(yùn)動(dòng)狀態(tài)演化分析與異常行為檢測(cè)。
　　在本文提出的群體聚集狀態(tài)計(jì)算方法中，所采用的目標(biāo)運(yùn)動(dòng)信息是利用KLT算法提取特征點(diǎn)的方法得到的，并基于這些特征點(diǎn)對(duì)人群

3、密度做近似估計(jì)。這種方法能夠處理攝像頭距行人較遠(yuǎn)的場(chǎng)景，但當(dāng)攝像頭距行人較近時(shí)，這種方法就會(huì)存在較大誤差。為對(duì)后續(xù)人群密度以及人群狀態(tài)分析提供準(zhǔn)確的數(shù)據(jù)，本文采用對(duì)行人進(jìn)行跟蹤的方法來(lái)提取這些信息。然而，由于監(jiān)控視頻中的目標(biāo)對(duì)象姿態(tài)多變、稠密場(chǎng)景下個(gè)體間遮擋嚴(yán)重，傳統(tǒng)的檢測(cè)跟蹤方法并不能很好的解決這些問(wèn)題。因此，針對(duì)以上問(wèn)題，本文提供了一種基于深度學(xué)習(xí)和卡爾曼濾波的行人目標(biāo)跟蹤算法。首先使用卷積神經(jīng)網(wǎng)絡(luò)對(duì)行人進(jìn)行檢測(cè)；然后針對(duì)檢測(cè)過(guò)程中