采用光流矢量共生矩阵分析的实时人群异常检测

随着公共安全事故的频发,基于视频监控中的人群异常检测成为研究的热点.通过分析不同情况下人群光流的纹理特征,提出一种基于光流矢量共生矩阵特征的大规模人群异常检测算法.首先对人群光流进行分块并计算分块光流的主方向和大小;然后利用共生矩阵的方法来计算光流速度场和方向场的特征;最后将组合特征使用SVM(Support Vector Machine,支持向量机)进行训练和分类以达到准确判断人群异常的目的.使用了CUDA(Compute Unified Device Architecture,统一计算设备架构)平台对算法进行加速.检测精度优于现有算法,速度有4-20倍的提高.