基于复合特征及深度学习的人群行为识别算法

摘要：

分析人群行为的目的是更好地分析与管理人群运动的状态与趋势.针对人群行为的两种特征信息,提出了一种基于深度学习的人群行为识别方法.先将人群作为主要对象,通过前景提取方法来提取人群静态信息,利用人群运动的变化获取人群动态信息,借助卷积神经网络(CNN)模型学习这两种不同的人群行为特征,再综合这两种特征来分析常见的人群行为.同时,人群数据提取位置与间隔是影响人群行为分析的重要因素.实验结果表明,这两种人群特征能更好地描述空间维度上的人群状态和时间维度上的人群变化,合理的数据位置与数据间隔可以有效地提高人群信息的表达能力.最后将提出的方法与其他人群行为分析方法进行比较,定量与定性的实验结果验证了所提方法的有效性,同时也表明了所提方法能得到更优的混淆矩阵和更高的准确度.

关键词：人群行为识别、静态特征、动态特征、CNN、数据提取

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

资助基金：上海市高校特聘教授东方学者岗位计划ES2015XX

在线出版日期：2019-07-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：305-310