APP下载

基于多层自适应聚类模型的密集人群分群检测算法

2017-04-26邵洁,赵倩

上海电力大学学报 2017年1期
关键词:特征检测

邵 洁, 赵 倩

(上海电力学院 电子与信息工程学院, 上海 210090)



基于多层自适应聚类模型的密集人群分群检测算法

邵 洁, 赵 倩

(上海电力学院 电子与信息工程学院, 上海 210090)

针对存在更复杂运动模式的无序运动人群密集场景,提出了一种基于多层自适应聚类模型的分群检测算法.以基于高斯混合模型的背景去除算法和自适应初始化聚类算法为核心,通过建立多层自适应聚类模型实现密集人群的分群检测.实验数据库选用了大量真实室内外密集人群运动场景视频,并通过大量对比实验验证了算法的有效性、可靠性和优越性.

密集人群; 分群检测; 自适应聚类; 多层聚类模型

密集场景中的人群运动分析和异常检测是当前智能监控研究领域的热点课题,也是计算机视觉和智能交通研究的重要方向之一.它在保障社会公共安全、提高城市工程建设和交通规划的科学性等方面具有重要的研究价值.

密集人群运动场景从宏观上可分为有序运动场景和无序运动场景两种类型.有序运动场景中主要存在遵从一定规律运动的人群,大多因为主客观规则的联合制约,如在狭窄的走道中被限制行进方向的人群、具有共同行为意愿的人群;参加马拉松运动、遵从单项交通信号标志运动的人流等.然而在更多公共场景中,人群普遍呈现一种无规律运动的组合形式,即无序运动场景,如宽敞区域中散乱的人群.由于大多数的人员密……

登录APP查看全文

猜你喜欢

特征检测
如何表达“特征”
不忠诚的四个特征
小波变换在PCB缺陷检测中的应用
线性代数的应用特征