利用综合光流直方图的人群异常行为检测

针对公共区域下的智能视频监控问题,提出一种新的从视频中检测人群异常行为的方法。利用混合高斯模型提取视频中的人群运动前景,在运动前景区域内使用等间距抽样法提取特征点。在人群特征提取阶段,给出光流特征提取方法,通过Lucas-Kanade法计算特征点的光流场,并统计计算全局特征点的光流方向直方图、光流大小直方图和光流加速度直方图,将融合3种直方图的综合光流直方图作为人群特征,使用支持向量机对特征数据进行训练和预测,判断人群中是否存在异常行为。实验结果表明,与基于社会力模型和纯光流方向直方图的方法相比,该方法能够有效、实时地检测人群中的异常行为,在UMN数据集中的检测率达到97%以上。

基于SSD算法的实时无人机识别方法研究

随着无人机广泛运用给人们带来便利的同时,也带来了一些新问题,如无人机非法入侵、碰撞行人等引发安全隐患,因此需要建立一套对指定区域无人机目标进行实时、准确地识别和监控系统。针对图像中无人机目标快速检测和识别问题,提出了两种基于SSD(Single Shot MultiBox Detector)算法的实时无人机识别方法。一种方法是基于SSD获取视频流中的无人机位置,然后利用ResNet网络提取无人机的深度特征,得到1000维特征向量,最后采用KNN(K-Nearest Neighbor)算法对提取的特征进行分类,得到最终的无人机识别结果;在收集的无人机测试集中识别准确率达到了79%。另一种方法是直接将SSD检测到的无人机目标图像送入到AlexNet网络中进行Fine-tuning(微调),在无人机测试集中识别准确率达到了83.75%。实验结果表明,两种方法都能实现实时无人机识别,且准确性方面第二种方法优于第一种方法。同时采用Storm框架,保证高吞吐量地处理数据。

利用鱼眼相机对人群进行运动估计

人群运动估计是人群行为分析的重要步骤。特定场景的人群运动分析和监控,是维护公共安全和社会稳定的一个必要措施,也是视频监控领域的一个研究难点。利用鱼眼相机视场大、无视觉盲区的优点,提出了一种基于特征点光流的人群运动估计方法。首先,采用一种基于面积反馈机制的混合高斯背景差分方法,对原始视频图像进行预处理,并利用圆拟合的方法获取兴趣区域;其次,为了在保证准确描述人群目标的同时提高算法的实时性,提出一种基于边缘密度非均匀采样的人群特征点提取方法来描述运动的人群目标,并利用Lucas&Kanade光流法计算光流场;最后,为了解决远近人群的尺寸大小不一致的问题和鱼眼相机的畸变问题,采用鱼眼相机的透视加权模型,计算人群运动加权统计直方图,获取人群在鱼眼图像中的全局运动方向和速度。实验结果表明,针对密集的人群,该方法能有效、实时地估计人群的运动方向和速度,为人群行为分析提供有力的研究基础。