[1]逯鹏梁玉陈树伟.基于角点动能的视频群体异常行为检测[J].郑州大学学报(工学版),2015,36(03):20-24.[doi:10.3969 / j. issn.1671 -6833. 2015.03.005]
　LU Peng,LIANG Yu,CHEN Shu-wei.Abnormal Crowd Behavior Detection Based on Corner Kinetic in Video[J].Journal of Zhengzhou University (Engineering Science),2015,36(03):20-24.[doi:10.3969 / j. issn.1671 -6833. 2015.03.005]
点击复制

基于角点动能的视频群体异常行为检测()
分享到：

《郑州大学学报(工学版)》[ISSN:1671-6833/CN:41-1339/T]

卷:
36
期数:
2015年03期
页码:
20-24
栏目:
出版日期:
2015-06-30

文章信息/Info

Title:
Abnormal Crowd Behavior Detection Based on Corner Kinetic in Video
作者:
逯鹏1梁玉2陈树伟3
郑州大学电气工程学院,河南郑州450001
Author(s):
LU Peng; LIANG Yu; CHEN Shu-wei
School of Electrical Engineering,Zhengzhou University,Zhengzhou 450001,China
关键词:
群体异常行为; h均值; 角点动能; 异常程度; 自适应
Keywords:
abnormal crowd behavior; k-means; corner kinetic; abnormal degree; adaptive
分类号:
TP391.41
DOI:
10.3969 / j. issn.1671 -6833. 2015.03.005
文献标志码:
A
摘要:
为了提高实时性和精确度,提出一种利用角点动能检测群体异常行为的方法.首先,利用金字塔Lucas-Kanade光流法计算FAST( Features from Accelerated Segment Test)角点光流,筛选出运动的角点;然后,利用k均值方法聚类图像中的角点,自适应地调整正常行为角点动能,定义每一类的局部异常程度为角点平均动能与正常时的比值,整体运动异常程度为局部异常程度之和;最后,如果整体异常程度大于异常阈值为异常行为,否则为正常行为.实验结果表明:该方法能够检测出多种群体异常行为且实时性强于Harris ,SIFT( Scale-Invariant Feature ’Transform)和SURF( Speed Up Robust Features)角点,精确度高于光流法﹑社会力法和图分析法．
更新日期/Last Update: