Volume 1,Issue 6
复杂视频场景人群行为分析研究
随着人群聚集场所中异常事件频发，研究复杂视频场景下的人群行为分析在公共安全维护、智能监控系统搭建等关键领域中愈发重要。本文提出复杂视频场景的人群行为分析方法、人群行为检测常见手段和检测方法、主要存在的问题及人群行为检测和定位模型，并从人群计数及密度估计、人群全局异常检测及人群局部异常行为检测和定位三个角度提出解决方案及应用场景。
[1] Wang, C., Zhang, H., Yang, L., Liu, S., Cao, X, Deep people counting in extremely dense crowds[J]. in Proceedings of the 23rd ACM international conference on Multi
media, 2015:1299-1302.
[2] 卢博文. 基于深度学习的监控视频中的异常行为的检测算法研究[D].南京邮电大学,2020.DOI:10.27251/d.cnki.gnjdc.2020.000865.
[3] 徐涛 , 田崇阳, 刘才华. 基于深度学习的人群异常行为检测综述[J]. 计算机科学, 2021, 48(09): 125-134.
[4] 亢洁，田野，杨刚.基于改进 SSD的人群异常行为检测算法研究[J].红外技术,2022,44(12):1316-1323.
[5] 葛文超,魏超,王玉涛，鲁迎春,易茂祥.基于潜在空间矩阵的半监督异常检测[J].计算机应用研究.2020.37(S2):318-320.
[6] Yuan, Y., J. Fang, and Q. Wang, Online anomaly detection in crowd scenes via structure analysis[J]. IEEE Transactions on Cybernetics, 2015. 45(3): 548-561.
[7] Zhang X, Zhang Q, Hu S, et al. Energy level-based abnormal crowd behavior detection[J]. Sensors, 2018, 18(2): 423.
[8] 蔡瑞初,谢伟浩,郝志峰等.基于多尺度时间递归神经网络的人群异常检测[J].软件学报, 2015,26(11):2884-2896.
[9] 罗朝阳. 基于深度学习的人体异常行为识别算法研究[D].陕西理工大学,2021.DOI:10.27733/d.cnki.gsxlg.2021.000168.
[10] 鱼春燕 ,徐岩,缑丽莎,等.基于单列深度时空卷积神经网络的人群计数[J].激光与光电子学进展,2021,58(8):143-151.