何傳陽 王平 張曉華 宋丹妮

摘 要：針對人群異常行為檢測實時性較差、分類算法識別率不高、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別率分別高出7.13個百分點和數(shù)據(jù)有問題？5.89個百分點，并且人數(shù)密度估計部分平均每幀圖像處理耗時相比中高密度人群異常行為檢測算法減少了106ms（近1/3）。實驗結(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別率和實時性。

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

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