摘要：人群中的异常行为是一大潜在威胁,自动检测监控中的异常行为成为近年的研究热点之一。然而,由于异常的未知性与复杂性,已有的检测方法仍然存在检测率低、定位精度差的问题。为此,提出了对视频监控中的人群异常行为自动检测与定位的方法。结合灰度值与光流场的分布提取运动区域;对运动区域分割得到有效的运动块,从中提取表示外观和动态的两种特征,即局部H梯度方向直方图G和局部H光流方向直方图F特征;使用kmeans方法对运动块进行聚类,对每类样本使用一类分类器进行建模。最后,加入运动连续性约束,以抑制干扰噪声。在两个复杂的异常行为数据集上的实验结果表明,本文方法明显优于已有的检测方法,且可以满足正确率高、抗干扰能力强等实际工程需求。
分类：期刊> 自然科学与工程技术> 基础科学> 物理学
收录：北大期刊(中国人文社会科学期刊) > CSCD 中国科学引文数据库来源期刊(含扩展版) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > EI 工程索引(美) > CA 化学文摘(美) > JST 日本科学技术振兴机构数据库(日) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：机器视觉 模式识别 人群异常检测 运动区域分割 特征提取 一类分类器 运动连续性滤波
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
