APP下载

基于智能监控的中小人群异常行为检测

2016-06-28何传阳王平张晓华宋丹妮

计算机应用 2016年6期
关键词:学习机识别率实时性

何传阳 王平 张晓华 宋丹妮

摘 要:针对人群异常行为检测实时性较差、分类算法识别率不高、特征量较少的问题,提出一种基于智能监控的中小人群异常行为检测算法。首先,利用快速群体密度检测算法,提取人群数量变化信息;其次,利用改进的LucasKanande光流法提取视频中人群的平均动能、人群方向熵、人群距离势能;最后,利用极限学习机(ELM)算法对人群行为进行分类。使用UMN公共数据集进行测试,ELM算法对中小人群异常行为分析比中高密度人群异常行为检测算法和基于KOD能量特征的群体异常行为检测算法识别率分别高出7.13个百分点和数据有问题?5.89个百分点,并且人数密度估计部分平均每帧图像处理耗时相比中高密度人群异常行为检测算法减少了106ms(近1/3)。实验结果表明:基于智能监控的中小人群异常行为检测算法能有效提高异常帧识别率和实时性。

关键词:群体密度;特征量提取; LucasKanade光流法;极限学习机;异常行为识别

中图分类号: TP391.41 文献标志码:A英文标题

猜你喜欢

学习机识别率实时性
警惕平板学习机骗局
“机”关
档案数字化过程中OCR技术的应用分析
基于PCA与MLP感知器的人脸图像辨识技术
科技文档中数学表达式的结构分析与识别
计算机控制系统实时性的提高策略
可编程控制器的实时处理器的研究
人工智能现状和发展
基于B/S的实时用户行为检测管理系统设计与实现
从学习机到上网本