基于地铁复杂场景下异常行为的视频分析研究.pdfVIP

VID四APPL阳tffzgz511· γ，理理想 [本文献信息]张起贵，张妮.基于地铁复杂场景下异常行为的视频分析研究[J]. 电视技术，2014 ， 38(3). 基于地铁复杂场景下异常行为的视频分析研究 张起贵，张妮 (太原理工大学信息工程学院，山西太原 03(胆的 [摘 要]为减少异常行为在公共场所造成的安全隐患，以复杂场景地铁为研究背景，从人工智能的角度出发，全面地分析异常 行为特征并进行系统设计，快速标定视频监控场景。在上下文场景模型与异常行为模型建立的基础上，采用改进 camshift 算法 对轨迹间断进行填补并跟踪，提出了一种以轨迹属性集对晕倒异常行为进行表征。实验结果表明，该算法能够快速分析地铁场 景中的晕倒行为并及时预警，检测率为 89.9% 0 [关键词]场景模型;轨迹属性集;晕倒行为 [中图分类号] TN91 1. 73;1回91. 41 [文献标志码] B Video Analysis and Study of Aboormal Behavior Based 00 Subway Complicated Sceoe ZHANG Qigui ,ZHANG Ni (Departme n1 0/ lr价mwtion E.昭m吨， Taiyuan University 0/ Techrwlogy Taiyuan 031ω124 ， China) [ Abstract] In order to reduce potential 田fety hazard which is caused by abnormal behavior in the field of public surveillance ,from the perspective of ar- tificial intelligence ,the complicated subway is 出 a specific research hack伊und. The characteristics of the abnormal behavior are analyzed ,and 趾啊 tem is desi伊ed. Video surveillance images are calibrated quickly , and the 配ene model and abnormal individual behavior model is b回lt hased on 由e context 币le algorithm of improved camshaft is used to fill the track continuously. Abnormal individual behavior is characterized wi由 f四ture pom恒 in the trajectory 肥t of properties. The experimental results illustrate 由at it c咀nar回lyze real time of abnormal behavior hased on subway 配ene ,achieve 出e goal of identify abnormal behavior rapidly ,and 由e detection rate is 89. 9% . [Key words] scene model;性句ect。可 set of properties; faint behavior 近几年，由于中国城市人口数量的快速增长，加快地 位置及运动趋势。关联则是针对于同一运动个体由于 铁建设迫在眉睫，但伴随而来的是在地铁公共场所下乘客 遮挡等问题产生的轨迹间断，根据时空模板上的时空相关 的安全隐患，如何快速辨识乘客异常行为，克服客观环境