10.16208/j.issn1000-7024.2022.05.025
基于卷积神经网络的人群突散异常行为检测
为检测人群突散异常,提出一种基于卷积神经网络的人群突散异常行为检测方法.对于人群中的个体使用改进的多尺度卷积神经网络(MCNN)预测人群中每一个个体头部的坐标位置;根据提取出来的坐标点计算人群平均动能、人群密度值以及人群分布熵这3种人群运动状态特征值,以此减少计算量;将3种运动状态特征值放入基于差分进化粒子群优化的极限学习机(DE-PSO-ELM)中进行训练预测,得到人群运动状态,实现人群突散异常行为的检测.仿真结果表明,该算法对人群突散异常行为检测有较好的效果,检测准确率达到99.75%.
突散异常检测、平均动能、人群密度值、人群分布熵、差分进化粒子群优化的极限学习机
43
TP391.41(计算技术、计算机技术)
教育部春晖计划;四川省人工智能重点实验室基金项目;西华大学研究生创新基金项目
2022-05-27(万方平台首次上网日期,不代表论文的发表时间)
共8页
1389-1396