基于运动矢量的异常拥挤行为检测算法.docVIP

基于运动矢量的异常拥挤行为检测算法 　　摘要：面向人群场景中异常拥挤行为检测，本文提出基于运动矢量的检测方法。该方法首先采用运动矢量场提取人群运动特征；然后基于社会力模型计算运动矢量微粒之间的相互作用力；最后对相互作用力采用词袋法实现行为判别。仿真实验表明，本算法可以区分人群场景中异常区域内相互作用力的大小，对异常拥挤行为进行判别和定位 关键词：运动矢量 拥挤行为 社会力模型 词袋法 中图分类号：TP301 文献标识码：A 文章编号：1007-9416（2016）05-0000-00 Abstract：In this paper，the detection method based on motion vector is proposed to detect the abnormal crowded behabior in a crowd scene.In this method，the motion characteristics of the crowd are extracted by using the motion vector field；Then the interaction force between the particales is calculated based on the social force model；Finally，the interaction force is used to realize the behavior by the bag of words method.The simulation results show that the algorithm can distinguish the size of the interaction force between the abnormal regions in the crowd scene，identify and locate the abnormal congestion. Key words： motion vector，crowd behavior，social-force model，bag of words 1 引言 拥挤人群行为分析在计算机视觉中是个新的研究方向，相关研究技术和视频算法不断更新，面向人群运动状态的研究成为热门应用领域，譬如人群骚乱的快速预警、混乱行为的自动识别、拥挤场景中异常行为区域的定位等 拥挤场景中人群行为分析主要有三种方法：（1）对于行人个体行为判别的微观方法，将群体视为由相互独立的个体组成，群体行为是各个个体行为的集合表现[6]。为了分析群体目标的行为，必须要对单个目标进行分割和提取[7]。该方法在分辨物体、追踪轨迹、识别大密度群体行为等方面复杂性较高，效果较差。（2）基于人群群体运动的宏观方法，将人群整体作为研究对象，提取人群整体的运动特征，建立模型，分析人群运动状态，但是无法对单独个体的运动行为进行判定。在Avidan[11]、Vasconcelos和Chan[8]等人的相关研究中，采用场景模拟技术取代个体追踪技术，分别用来获取人群行为和交通车辆的特征。这是与微观法截然不同的对密集人群的检测方法。（3）基于微观和宏观的混合方法，对个体目标和群体目标同时进行研究，如Ali和Shahs[3]提出的拥挤场景下行人的追踪方法。Helbing等人提出基于社会心理学的社会力模型模拟行人行为[2]，社会力能够表现出行人与行人、行人与周围环境的交互作用，属于微观方法。Helbing在著作中，结合社会恐慌群体模型和社会力模型，提出一种广泛应用模型[10]，心理学和周围环境的作用都被考虑用于群体行为分析，能够较好的对人群行为进行仿真 文本首先对视频帧进行运动矢量提取处理，采用运动矢量场提取人群运动特征；然后基于社会力模型计算运动矢量微粒之间的相互作用力；最后对相互作用力采用词袋法实现行为判别，图1为本文算法流程图 2 社会力模型 通过分析行人的个人动机和周围环境约束条件，对社会力模型中的行人运动特性进行研究[13]。假设在该模型中，有N个行人，第i人的质量为，其速度的变化为： 实际作用力和个人动机、环境约束有关，包括两部分：个人动机产生的力，与周围行人和环境相互作用产生的力 人群中的行人总是追求环境中的某个目标和目的地，每个行人都有一个希望的方向和速率。拥挤人群限制行人的实际运动，实际运动速率将不同于希望速率。基于个人动机的作用力，行人倾向于达到其希望的速率。是松弛参数 基于心理学的倾向考虑，相互作用力包括排斥和吸引力，在人与人之间保持一个合适的社会距离；相互作用力还包括环境作用力，避免撞到墙壁、建筑物和其它障碍。因此，可以定义为