人群监控图像异常轨迹数据聚类识别仿真

实现人群监控图像异常轨迹数据的聚类识别,对紧急突发事件发生时及时报警,方便安保人员及时采取应对措施,保证人们生命财产安全具有重要意义。针对当前方法存在识别准确率较低的问题,提出一种基于运动特征的异常轨迹数据聚类识别方法,将人群监控图像中任意行人的轨迹数据描述为一个流向量序列,提取被监测行人的运动特征,对人群监控图像中被监测行人所有轨迹的起点集合和终点集合进行计算,并采用Hausdorff距离对两个集合中长度不等的行人轨迹进行相似度计算,实现人群监控图像行人轨迹数据预处理。采用人虚拟的最小外接矩形的中心点替代人群监控图像中被监测行人的重心,通过最小外接矩形中心的变化描述行人的跳跃、下蹲、爬行、跑、徘徊五种异常轨迹。根据人群监控图像中被监测行人运动轨迹连接线的波峰波谷存在性,实现异常轨迹数据聚类识别。仿真测试结果证明,所提方法能够区分人群监控图像中行人的正常行为轨迹和异常行为轨迹,且识别准确率较高。