基于智能监控的中小人群异常行为检测

来源：计算机应用杂志2016年第6期北京时间：

作者：何传阳, 王平, 张晓华, 宋丹妮

单位：1. 西华大学 电气与电子信息学院, 成都 611700;2. 广岛工业大学 信息学院, 日本 广岛 731-5193

摘要：针对人群异常行为检测实时性较差、分类算法识别率不高、特征量较少的问题,提出一种基于智能监控的中小人群异常行为检测算法。首先,利用快速群体密度检测算法,提取人群数量变化信息;其次,利用改进的Lucas-Kanande光流法提取视频中人群的平均动能、人群方向熵、人群距离势能;最后,利用极限学习机(ELM)算法对人群行为进行分类。使用UMN公共数据集进行测试,ELM算法对中小人群异常行为分析比中高密度人群异常行为检测算法和基于KOD能量特征的群体异常行为检测算法识别率分别高出7.13个百分点和5.89个百分点,并且人数密度估计部分平均每帧图像处理耗时相比中高密度人群异常行为检测算法减少了106 ms(近1/3)。实验结果表明:基于智能监控的中小人群异常行为检测算法能有效提高异常帧识别率和实时性。

关键词：群体密度,特征量提取,Lucas-Kanade光流法,极限学习机,异常行为识别

基金资助：教育部"春晖计划"项目(Z2012029);四川省信号与信息处理重点实验室开放基金资助项目(szjj2012-015);西华大学研究生创新基金资助项目(ycjj2015212)。