基于时空特征点群体异常行为检测算法研究

《基于时空特征点群体异常行为检测算法研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于时空特征点的群体异常行为检测算法研究王传旭董晨晨青岛科技大学信息学院山东青岛266061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。然后，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。最后，异常行

2、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中图分类号：TP391文献标识码：AAbnormalCrowdedBehaviorDetectionBasedonSpatialTemporalInterestingPointsWangChuanxuDongChenchenInstitut

3、eofInformaticsQingdaoUniversityofScienceandTechnologyQingdao266061ChinaAbstract:ThispaperproposesanewmethoddescribinghumanbehaviorincrowdedscenesbasedonSTIPs(SpatialTemporalInterestingPoints).BycomparingthreedifferentmethodsforSTIPsextraction,whichareHarriscorner,Gaborw

4、aveletandHessianmatrix,Thescale-invariantextractionmethodwhichbasedonHessianmatrixischoseninthepaper.Histogramofgradient,histogramofopticalfloworientationandspatial-temporalHaarfeatureareusedtobuilddescriptorsforSTIPs.Thenbag-of-wordsmodelisusedinnormalbehaviormodeling.

5、GMMbasedonEMestimationisintroducedtoproducekeywords.Theneachvideoofnormalactionisdividedintoseveralclipsandtheyaredescribedinprobabilityvectorsusingkeywords.Allvectorsconstructnormalbehaviorcodebook.Intestingphase,throughcalculatingthesimilaritydistancebetweenthecodingv

6、ectorofthetestsampleandthatofthenormal,abnormalbehaviorcanbedetectedwhenthedistanceexceedsthethreshold.ThealgorithmistestedinUMNandUCFdatasets,theexperimentsshowthattheproposedalgorithmhaseffectiveidentificationforgroupabnormalbehavior,andithasgoodadaptabilityagainstsca

7、levarianceandilluminationchanging.Keywords:Crowdabnormalbehavior;Spatial-temporalinterestingpoints;Bag-of-words;Gaussianmixturemodel51引言群体异常行为检测是视频监控的重要内容，逐步受到研究者的广泛关注。RaminMehran等[1]提出在图像中建立粒子，利用SFM描述粒子与周围空间的相互作用力，用力的强度来描述视频中人的行为；ShandongWu等[2]采用了一种粒子流动的方式，利用粒子的轨迹来描述局部

8、的轨迹运动，实现了异常行为的检测与定位；针对极端拥挤场景中的异常行为检测问题，VijayMahadevan[3]等人用MDT[4]模型化视频序列，然后分别检测模型在时空和空间上的异常，整合后判断异基金项目：国家自然科学基