密集群体分割与异常行为检测的研究与实现

《密集群体分割与异常行为检测的研究与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中图分类号：单位代号：10280密级：学号：13723110硕士学位论文SHANGHAIUNIVERSITYMASTER’SDISSERTATION题密集群体分割与异常行为目检测的研究与实现作者易娴学科专业计算机应用技术校内导师朱文浩联培单位上海高等研究院联培导师魏建明完成日期2016.4.12姓名：易娴学号：13723110论文题目：密集群体分割与异常行为检测的研究与实现上海大学本论文经答辩委员会全体委员审查,确认符合上海大学硕士学位论文质量要求。答辩委员会签名：主任：委员：校内导师：朱文浩联培导师：魏建明答辩日期：上海大学硕士学位论文原创性声

2、明本人声明：所呈交的论文是本人在导师指导下进行的研究工作。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已发表或撰写过的研究成果。参与同一工作的其他同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。签名：日期：本论文使用授权说明本人完全了解上海大学有关保留、使用学位论文的规定，即：学校有权保留论文及送交论文复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部分内容。（保密的论文在解密后应遵守此规定）签名：校内导师签名：联培导师签名：日期：II上海大学硕士学位论文上海大学工学硕士学位论文密集群体分割与异常行为检测的研究与

3、实现姓名：易娴校内导师：朱文浩联培导师：魏建明学科专业：计算机应用技术上海大学计算机工程与科学学院2016年03月III上海大学硕士学位论文ADissertationSubmittedtoShanghaiUniversityfortheDegreeofMasterinEngineeringTheResearchandimplementationofsegmentinggroupsanddetectinganomalyincrowdedscenesMACandidate：YiXianSupervisor:ZhuWenhaoJoint-Supervi

4、sior:WeiJianmingMajor:ComputerApplicationTechnologyComputerEngineeringandScienceCollege,ShanghaiUniversity03,2016IV上海大学硕士学位论文摘要本文对密集群体分割和密集场景下的异常行为检测进行了深入的研究。密集群体分割算法现在仍然处于不够成熟的阶段。目前，对于不同视域，不同角度，不同场景的监控视频图像，群体分割仍然没有一个标准统一的划分方式。大部分的算法是基于宏观群体或者微观个体的分割方式。本文的分割方法是基于介观的子群体的划分方式，这种

5、方法可以有效地改善密集场景下，微观分割中人群重叠导致的划分失误，或者宏观分割中分割粒度过大造成的人群行为细节的忽略。在此分割算法基础上，本文进行了基于卷积神经网络的异常行为检测，并且提出了基于群体运动描述因子的训练模型，这些运动描述因子用来描述群体运动中的一些本质特征，该模型实验中获得了较好的结果。在密集场景中，人群可以看作是由三五成群的、具有运动一致性的子群体构成的集合。为了将这些子群体划分出来，便于对人群的交互行为进行分析和异常检测，本文提出一种基于时空信息约束的分割方法。该方法首先利用背景建模和特征点跟踪的方法，获取视频图像帧中运动目标的时

6、空信息；然后，利用前景中群体分布的空间区域信息，将空间上相邻近的人群划分为若干子群体；最后，群体通过一段时间内的运动相关性进行进一步的分割。这两种约束信息相互作用，得到具有运动一致性的子群体。通过大量验证测试，这种方法可以应用于不同人群密度、视角范围等多种场景视频。本文还详细分析了现有分割算法的实验原理，指出了现有算法的不足之处，并且将本文的算法结果与现有算法的结果进行了比对，结果显示本文提出的方法可以将人群更加有效地将密集群体分割为自发形成的子群体。在子群体分割的基础上，本文提出一种基于深度卷积神经网络的异常行为检测方法。首先，以分割后的子群体

7、为研究对象，我们定义了三种群体行为描述因子，这些描述因子综合体现了群体内部的相互作用、稳定性以及运动一致性等运动特征，以这些数据作为训练数据，可以更好地提取出不同场景中的行为特征。然后，我们将这些描述因子以及视频帧的像素特征一起，作为深度学习网络的输入进行训练，构建了包含多个卷积层和采样层的深度卷积神经网络。同时，我们采用人工标定的方法，将训练视频片段按照行为发生主体，行为发生地点，行为本身的不同，标记为不同的描述词汇。根据规则我们将特定的标记组合记做异常行为，用带标记的数据调整卷积神经网络的结果，得到了良好的训练成果。当群体异常行为发生时，我们

8、常常需要结合场景中的不同区域情况，对人群进行管理疏导。因此，针对实际应用中实时监测密集群体的需要，本文结合OpenMP和OpenCV实现