[发明专利]一种采用单类序列化模型的人群异常行为检测方法在审
| 申请号： | 201410312813.4 | 申请日： | 2014-07-01 |
| 公开（公告）号： | CN104077571A | 公开（公告）日： | 2014-10-01 |
| 发明（设计）人： | 纪庆革;李小莲;陈青辉 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/46 |
| 代理公司： | 广州粤高专利商标代理有限公司 44102 | 代理人： | 林丽明 |
| 地址： | 510006 广东省*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于单类序列化模型的人群异常行为检测方法，该方法包括区域社会力特征的提取、支持向量描述模型(SVDD)监测、异常定位等主要部分。该方法在区域社会力特征提取前采用统计的方法除去背景，排除背景区域位置的光流场；采用在线更新的SVDD模型对视频中人群的异常行为进行实时的检测；并根据视频数据的序列性特征，对检测结果采取连续密度的隐马尔可夫模型来平滑处理。本方法具有良好的实时性，较好的准确度。可用于安防监控等领域。 | ||
| 搜索关键词： | 一种 采用 序列 模型 人群 异常 行为 检测 方法 | ||
【主权项】：
一种采用单类序列化模型的人群异常行为检测方法，获取人群视频图像，将每一帧图像用同一组均匀的横向以及纵向的网格线分隔成多个区域单元，其特征在于，采用基于区域社会力ASF的特征来表示图像，在训练过程中，结合区域社会力特征训练得到支持向量数据描述SVDD模型；在测试过程中，结合支持向量数据描述的SVDD模型来检测人群异常，基于视频数据的序列性特征，采取连续密度的隐马尔可夫模型CDHMM来平滑处理异常检测结果，得到基于区域社会力的单类序列化模型的ASF+SVDD人群异常检测，实现异常定位。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中山大学，未经中山大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201410312813.4/，转载请声明来源钻瓜专利网。
