基于高斯混合模型的人群异常检测

于明+郭团团

摘要：近年来，公众场所安全问题得到了广泛关注，视频监控下的人群异常检测成为智能监控的研究热点。现实场景中的人群异常检测具有容易受到光照亮度变化影响、可能存在大量遮挡以及人群密度大等研究难点。提出一种基于高斯混合模型的人群异常检测方法，能有效应用于复杂的室外场景。首先通过预处理阶段求得视频帧的感兴趣区域（ROI），再在感兴趣区域中计算人群光流，并在此基础上融合SIFT特征，利用图像分块提取特征。对不同分块建立对应的高斯混合模型，进而用模型判断特征点是否属于异常事件。实验结果证明，该方法对于UMN数据库中人群的四散奔跑以及UCSD数据库中人行横道上出现汽车和自行车等异常事件有较高的识别率。

关键词关键词：人群异常检测；感兴趣区域；SIFT特征；光流法；高斯混合模型

DOIDOI：10.11907/rjdk.171847

中图分类号：TP319

文献标识码：A文章编号文章编号：16727800（2017）011011407

0引言

近年来，人群异常检测在智能监控视频中扮演着越来越重要的角色。异常本身是指行为不规则、不寻常、偏离正常类型，例如摔倒、斗殴、逆行、闯入禁止区域等[1]。因此，在不同应用上，异常定义方式不同。本文在监控视频场景下对异常的定义是低概率发生的事件，或者是出现次数很少的事件[23]。

面对监控视频中的高密度人群场景，异常检测面临着3大挑战：①异常与正常定义比较模糊；②高密度人群中存在遮挡情况，行为动作难以分析；③视频监控场景具有多样性，以及视频监控角度不同造成区域运动大小不一致。……