基于时空特征点的群体异常行为检测算法

摘要：

提出了用时空特征点描述群体行为的新方法.首先对比分析时空Harris角点、Gabor小波、Hessian矩阵三种特征点提取方法,选择了基于Hessian矩阵的尺度不变方法提取特征点；分别采用梯度直方图、光流直方图以及时空Haar特征三种方法对特征点构建描述符.采用Bag-of-words策略对正常行为建模,使用基于EM估计的高斯混合模型建模产生关键词,根据关键词为每一视频片段建立一个带有概率分布的编码向量,形成编码表.异常行为的检测是将测试样本的编码向量与训练样本编码表进行比较,计算相似度距离,当最小距离大于阈值时,判该群体行为异常.在UCF和UMN两种群体行为数据集下的实验结果表明,该方法能够对群体异常行为进行有效识别,对尺度变化以及背景光照变化等具有较好的适应性.

关键词：群体异常行为、时空特征点、关键词词袋、高斯混合模型

所属期刊栏目：27

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金主任基金61142003;山东省自然科学基金ZR2010FL007;山东省高等学校科技计划J10LG23

在线出版日期：2012-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：422-428