何傳陽 王平 張曉華 宋丹妮

摘 要：針對(duì)人群異常行為檢測實(shí)時(shí)性較差、分類算法識(shí)別率不高、特征量較少的問題，提出一種基于智能監(jiān)控的中小人群異常行為檢測算法。首先，利用快速群體密度檢測算法，提取人群數(shù)量變化信息；其次，利用改進(jìn)的LucasKanande光流法提取視頻中人群的平均動(dòng)能、人群方向熵、人群距離勢能；最后，利用極限學(xué)習(xí)機(jī)（ELM）算法對(duì)人群行為進(jìn)行分類。使用UMN公共數(shù)據(jù)集進(jìn)行測試，ELM算法對(duì)中小人群異常行為分析比中高密度人群異常行為檢測算法和基于KOD能量特征的群體異常行為檢測算法識(shí)別率分別高出7.13個(gè)百分點(diǎn)和數(shù)據(jù)有問題？5.89個(gè)百分點(diǎn)，并且人數(shù)密度估計(jì)部分平均每幀圖像處理耗時(shí)相比中高密度人群異常行為檢測算法減少了106ms（近1/3）。實(shí)驗(yàn)結(jié)果表明：基于智能監(jiān)控的中小人群異常行為檢測算法能有效提高異常幀識(shí)別率和實(shí)時(shí)性。

關(guān)鍵詞：群體密度；特征量提??； LucasKanade光流法；極限學(xué)習(xí)機(jī)；異常行為識(shí)別

中圖分類號(hào)： TP391.41 文獻(xiàn)標(biāo)志碼：A英文標(biāo)題