基于视频监控的中小群体异常行为检测

摘要：

针对传统中小群体异常行为检测方法实时性与场景适应性不能达到平衡的问题,从机器学习角度出发,提出一种通过群体密度特征和运动特征来进行群体异常行为检测的方法.利用快速群体密度估计方法提取群体密度特征,采用局部稠密光流法提取群体运动特征,结合密度特征,利用随机森林算法完成对群体异常行为的识别.在PETS和UMN公共数据集上进行实验,与传统群体异常行为检测方法进行对比,实验结果表明,该方法能够有效检测出中小群体异常行为,识别其类型,识别率能达到97％,实时性好,鲁棒性强.

关键词：异常行为、机器学习、群体密度、光流、随机森林

所属期刊栏目：37

分类号：TP391.41(计算技术、计算机技术)

资助基金：教育部“春晖计划”基金项目Z2012029;四川省信号与信息处理重点实验室开放基金项目szjj2012-015;西华大学研究生创新基金项目ycjj2015098

在线出版日期：2016-11-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2507-2514