基于多尺度分块方向类模型的群体异常行为检测

来源 :计算机与数字工程 | 被引量 : 1次 | 上传用户:wubingsen
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对公共场所人群骚乱、逃散等人群行为异常状态进行特征提取与检测的问题,提出了基于多尺度分块方向类群性模型的群体异常行为检测方法,用以解决因摄像头拍摄角度不同而产生的人群透视问题。基于拓扑理论计算个体所在运动路径的路径行为一致性得到个体所在群体的群体性指数,并通过特征相乘的方法将两种描述子进行特征融合建立方向-群体性模型,通过构建多尺度分块模型区分出目标块,在目标块中提取方向-群体性特征。最后,进行线性内插权值进行畸形矫正,进一步消除透视问题的影响,并通过稀疏表示的人群异常检测算法进行人群异常行为的判
其他文献
针对在未知环境无人车受约束控制条件下的动态路径平滑规划问题,提出了一种基于支持向量机(SVM)的D*改进算法。该算法通过栅格法对环境建模,建立车辆受约束动态方程,在动态规划路径选取之后使用SVM算法对无人车转向位置处进行局部路径平滑优化。实现无人车在真实环境中流畅稳定的运动。实验结果表明:该算法能够在未知环境中规划出平滑的动态路径,具有较好的可靠性和稳定性。
针对全球化发展带来的复杂社会网络节点关系分析难度大的问题,论文在随机模糊算法概念下对复杂社会网络的节点集合进行划分。利用复杂社会网络拓扑结构性质,从网络矩阵关系结构