基于排斥力网络与方向熵的人群显著性运动检测.pdfVIP

摘要

智能监控是人工智能领域的重要应用方向，人群行为分析是智能监控领域的研究热点，

主要通过对视频图像中的行人行为提取特征进而分析人群运动状态，使得系统可以检测出值

得关注的人群运行状况，以向工作人员提出警示或供其参考，从而减少意外和危险事件的发

生。在人群运动中，显著的人群运动通常表示与主流行人运动不一致的行为，对于视频监控，

这些运动行为值得更多关注，检测人群的显著运动在人群视频分析中也具有很大的应用价值。

在人群中不同运动行人为了避免碰撞之间会存在着排斥力，对于与主流人群运动不一致

的显著性运动行人，他们与主流人群之间排斥力则会很大。同时人群不同的行人个体运动方

向可能存在差异，而显著性运动人群运动方向较混乱，因此对应的方向熵就较大。结合排斥

力和方向熵的特点，本文提出了基于排斥力网络与方向熵的人群显著性运动检测算法，主要

的研究内容与创新如下：

1.通过计算速度矢量之间的排斥力构建人群加权网络。使用金字塔光流算法计算人群运

动速度矢量场，用网络的思维分析运动场中速度矢量之间的关系，将每一个速度矢量视为网

络中的一个节点，通过排斥力公式计算节点之间的排斥力，同时将排斥力的大小作为节点之

间的连边权重，由此来构建基于排斥力的人群加权复杂网络模型。对排斥力网络的静态几何

属性进行分析，通过关联矩阵的形式表示排斥力网络，根据节点强度定义计算关联矩阵中每

个节点的节点强度，得到排斥力网络的节点强度矩阵(场)。

2.使用速度矢量运动方向熵矩阵优化节点强度矩阵。对速度矢量运动方向进行分级，根

据香农信息熵的定义，对速度矢量计算运动方向熵，得到描述人群的运动方向熵矩阵。对节

点强度场和运动方向熵进行特征融合，通过分析对比选择归一相加的方法优化节点强度场，

然后用优化后的节点强度场以伪彩图的形式显示，与视频图像叠加来检测大规模人群场景的

显著性运动。对人群逆行和人群运动不稳定两种场景进行了显著性检测，仿真实验结果表明

用优化后的节点强度场可以准确无误地检测到人群的显著性运动，同时与其他文献方法针对

不同场景的人群运动不稳定检测结果进行了对比，用精确度和召回率两种特征参数统计比较，

结果表明本文提出的方法的检测结果更加接近真实值。

关键词：人群行为分析、金字塔光流法、人群速度矢量场、排斥力、方向熵、节点强度

ABSTRACT

Intelligentmonitoringisanimportantapplicationdirectioninthefieldofartificialintelligence,

andcrowdbehavioranalysisisaresearchhotspotinthefieldofintelligentmonitoring.Itmainly

analyzesthemovementstateofthecrowdbyextractingthecharacteristicsofpedestrianbehaviorin

thevideoimage,sothatthesystemcandetecttheoperationstateofthecrowdworthyofattention,

soastoalertorprovidereferenceforthestaff,soastoreduceaccidentsanddangerousevents

Occurrenceofpieces.Incrowdmovement,significantcrowdmovementusuallyrepresentsthe

behaviorinconsistentwiththemainstreampedestrianmovement.Forvideomonitoring,these

movementbehaviorsdeservemoreattention.Detectionofsignificantcrowdmovement