融合显著性信息和社会力模型的人群异常检测

• 作者: 吉培培 李斐 李萌 郭春梅 陈恳
• 来源期刊: 光电工程
• 学科: 工学
• 关键词: 时空特征 显著性信息 社会力模型 HOIF SVM
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: ?图像与信号处理?
• 页码范围: 193-199
• 页数: 7页
• 分类号: TP391
• 字数: 3247字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-501X.2016.12.029

摘要

人群异常事件检测是智能视频监控中的重要研究内容，本文提出一种新的融合时空特征的异常行为检测算法。首先提取显著性信息作为空间域特征，采用高精度的光流算法，结合社会力模型计算相互作用力作为时域特征；提出一种新的运动信息特征描述子——相互作用力直方图(HOIF)，将其与显著性信息特征相融合送入支持向量机(SVM)进行学习训练，从而对人群事件进行分类。在UMN(University of Minnesota, Twin Cities)数据库上对本文算法有效性进行了验证。实验结果表明，该算法在检测正确率及鲁棒性上要优于其他算法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈恳	宁波大学信息科学与工程学院	51	233	9.0	12.0
2	吉培培	宁波大学信息科学与工程学院	7	23	3.0	4.0
3	李萌	宁波大学信息科学与工程学院	12	33	3.0	4.0
4	郭春梅	宁波大学信息科学与工程学院	8	25	3.0	4.0
5	李斐	宁波大学信息科学与工程学院	9	21	3.0	4.0