一次正常走过场景一次聚众熵曲线图
第一次聚众
0.400.350.30熵值0.250.200.150.100.05
100
200
300
400500帧数
600
700
800
900
500
帧数
1000
第二次聚众
0.400.350.30熵值0.250.200.150.100.05
熵曲线图
1500
(a)视频含一次正常走过场景和一次聚众事件的检测结果
图5
(b)视频含两次聚众事件的检测结果
增加距离后的改进算法用于其他视频的检测结果
(实线为算法检测的输出结果,点划线为阈值曲线

)
0.350.300.25熵值0.150.100.05
100
200
300
帧数
400
500
600
熵值
0.20
熵曲线图
0.350.300.250.200.150.100.05
200
400
600
80010001200140016001800帧数一次聚众熵曲线图
(a)大量学生走向教室的视频检测结果
图6
(b)视频含大量目标参与的一次聚众事件的检测结果
增加距离后的改进算法用于含大量目标的视频检测结果(实线为算法检测的输出结果,点划线为阈值曲线)
4结论
介绍了一种聚众异常事件检测的新方法。该方法通过对视频前景大于设定阈值,并且目标相互之间距离在某一范围内的视频帧提取感兴趣点,跟踪获取光流信息,计算熵值然后做出判断。实验结果显示,该方法在检测聚众异常事件时具有理想的检测效果,并且处理速度比较满意。下一步要在检测精确度、区分其他事件和聚众事件方面做进一步更深入的研究。
电子科技大学,2010.
[4]HaidarSharifM,IhaddadeneN,DjerabaC.Crowdbehaviourmoni-toringontheescalatorexits[C]//11thInternationalConferenceonComputerandInformationTechnology,ICCIT2008,2008:194-200.[5]BarronJL,FleetD,BeaucheminS.Performanceofopticalflow
techniques[J].InternationalJournalofComputerVision,1994:43-77.[6]BakerS,MatthewsI.Lucas-kanade20yearson:aunifyingframe-work[J].InternationalJournalofComputerVision,2004:221-255.[7]MehranR,OyamaA,ShahM.Abnomalcorwdbehaviordetection
usingsocialforcemodel[C]//IEEEConferenceonComputerVi-sionandPatternRecognition,2009:935-942.
[8]IhaddadeneN,DjerabaC.Real-timecrowdmotionanalysis[C]//
19thInternationalConferenceonPatternRecognition,ICPR2008,2008:1-4.
[9]CaoTian,WuXinyu,GuoJinnian,etal.Abnormalcrowdmotion
analysis[C]//IEEEConferenceonRoboticsandBiomimetics,2008:1709-1714.
参考文献:
[1]WangZhen,OuyangNing,HanChuanjiu.Unusualeventdetection
withouttracking[C]//2009CiSEInternationalConferenceonCom-putationalIntelligenceandSoftwareEngineering,2009:1-3.[2]孙宪福.基于隐马尔科夫模型的聚众事件检测[D].桂林:桂林电子
科技大学,2009.
[3]王臻.基于分层隐马尔科夫模型的聚众事件实时检测[D].桂林:桂林
(上接197页)
[6]XuNing,AhujaN,BansalR.Objectsegmentationusinggraphcuts
basedactivecontours[J].ComputerVisionandImageUnderstand-ing,2007,107:210-224.
[7]SethianJA.Fastmarchinglevelsetmethodsforthreedimen-sionalphotolithographydevelopment[C]//ProceedingofSPIE,SanDiego,CA,USA,1996,2726:261-272.
[8]TsitsiklisJ.Efficientalgorithmsforgloballyoptimaltrajectories[J].
IEEETransactionsonAutomaticControl,1995,40(9):1528-1538.
[9]BoykovY,KolmogorovV.AnexperimentalcomparisonofMin-Cut/Max-Flowalgorithmsforenergyminimizationinvision[J].IEEETransactionsonPAMI,2004,26:1124-1137.
[10]BoykovY,JollyM.Interactivegraphcutsforoptimalboundary
andregionsegmentationofobjectsinn-dimages[C]//Proceed-ingsofIEEEInternationalConferenceonComputerVision,2001,1:105-112.
[11]朱国普.基于活动轮廓模型的图像分割[D].哈尔滨:哈尔滨工业大
学,2007.
Cmueniergadplain 计算机工程 与应用 optEgnei Apitsrnnco 一 种结合图割与双水平集的图像分割方法 杨建功, 汪西莉 YANGingngⅥ,G l Jao.ANXii 陕西师范大学 计算机...
融合形状先验的向量CV模型图像分割算法_王万玉_杨建功_汪西莉_数学_自然科学_...一种结合图割与双水平集的图像分割方法[J].计算机工程与应用.2012,48 (3)...
融合形状先验的向量CV模型图像分割算法_王万玉_杨建功_汪西莉_数学_自然科学_...一种结合图割与双水平集的图像分割方法[J].计算机工程与应用.2012,48 (3)...
热门文档