论文部分内容阅读
针对复杂背景及遮挡等原因引起人群异常行为检测性能低的问题,本文提出了一种基于综合光流特征描述符(SOFD)及轨迹的人群异常行为检测方法。首先,根据人群光流场变化计算人群运动速度、加速度、方向和能量,并利用上述特征设计新的时空特征描述符,即SOFD。其次,利用KLT追踪算法获得人群运动轨迹单帧图。最后,基于所获取的上述特征,设计双流卷积神经网络(TS-CNN)以检测人群异常行为。仿真结果表明:与现有主流算法相比,复杂环境下本文方法具有较高的异常行为检测准确率、较好的泛化性及稳健性。