基于多尺度卷积神经网络的人群聚集异常预测

• 作者: 徐桂菲 王平 罗凡波 范烊 雷勇军
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 聚集异常预测 MCNN 人群运动状态 人群密度 人群距离势能 人群分布熵
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 图形与图像
• 页码范围: 2223-2232
• 页数: 10页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2020.12.016

摘要

已有的公共场所人群聚集异常行为检测方法较少,且大多检测方法都是在人群已经异常聚集后再进行检测,检测准确率不高,时效性不够好.提出一种基于多尺度卷积神经网络(MCNN)的人群聚集异常预测模型.首先,通过多尺度卷积神经网络训练一个人群计数模型,用训练好的模型对人群聚集异常视频进行测试;然后在测试中完成人群人数统计与人群头部坐标点获取,进而计算人群密度、人群距离势能与人群分布熵;最后将得到的3种人群运动状态特征值利用PSO-ELM进行训练,得到预测模型,通过特征数据的变化,完成人群聚集行为的预测.实验结果表明,与现有算法相比,该模型能有效实现人群聚集异常行为的预警与检测,时效性强,为采取相应应急措施提供了更多时间,预测准确率达到了97.17％.