光学影像序列中基于多视角聚类的群组行为分析

群组行为分析是光学影像序列分析中的一项重要课题,在近年来引起了人工智能领域研究人员的广泛关注.与行人个体相比,群组能提供更高层的语义表示,为分析人群运动模式提供基础.本文将人群影像序列中的影像块作为研究对象,提出了一种基于多视角聚类的群组行为分析方法,对运动模式不同的群组进行区分,主要研究内容有:(1)提出了基于特征点的影像块构图方法,从交互关系、空间位置、运动方向分布,以及运动规律等方面衡量影像块之间的关系;(2)提出了一种多视角聚类方法,通过融合多种特征对每个影像块分配类标签,并引入图多样性正则项以避免特征冗余;(3)提出了一种类合并方法,根据类内特征点的运动方向和类中心位置坐标,对关联度较高的类别进行合并,自动确定最终群组数目.CUHK人群数据集上的实验结果证明了该方法能够准确划分出影像数据中的群组.另外,与现有方法相比,本文提出的多视角聚类方法也在不同数据集上取得了较好的实验结果.

密集场景下基于轮廓运动的人群行为分析

密集场所条件下,基于视频监控下的人群行为分析在安全防范、智能预警、危机处理等方面具有较高的应用价值。本文针对密集人群的行为分析问题,首先通过边缘检测与混合高斯结合,对边缘梯度建模来提取前景边缘和前景人体轮廓;然后通过提取并跟踪前景轮廓上的特征点,提取可靠人群轨迹;最后,根据特征点与群组中心的拓扑关系进行聚类,获得局部一致性群组,在此基础上,分析群组中心运动向量的交点、群组间距离变化和运动速度,实现人群行为分析。