對於擁擠場景中異常行為事件之偵測

淡江大學機構典藏 > 工學院 > 資訊工程學系暨研究所 > 學位論文 > Item 987654321/94423

請使用永久網址來引用或連結此文件: https://tkuir.lib.tku.edu.tw/dspace/handle/987654321/94423

題名:	對於擁擠場景中異常行為事件之偵測
其他題名:	Abnormal event detection for crowd behavior
作者:	王春暉;Wang, Chun-Hui
貢獻者:	淡江大學資訊工程學系碩士班顏淑惠;Yen, Shwu-Huey
關鍵詞:	異常性;擁擠人群;社會力;normality;crowd;social force (SF);histogram of oriented social force (HOSF);z-value
日期:	2013
上傳時間:	2014-01-23 14:37:36 (UTC+8)
摘要:	異常行為事件之偵測在視覺監視系統中係一項重要的研究課題，尤其在擁擠環境之影像中，準確且可信賴的追蹤和偵測往往是一項重大挑戰。本論文將考量連續影像中時間和空間的特徵關係，基於社會力模型(Social Force Model)的概念而提出HOSF方法作為特徵描述，來解決傳統基於物件路徑之偵測方法不適用於擁擠影像的問題。經由粒子的分割建立cuboids，再透過HOSF特徵向量訓練出判斷事件異常性所依據的字典(dictionary)，最後根據z-value計算事件與字典中codeword的相似情形來決定影像中事件的異常與否。本論文所提方法包含以下特點：（1）訓練過程為全自動，不需事先經由人工決定事件屬於正常或異常；（2）特徵描述採用粒子和社會力，不需事先對物件做追蹤，因此不論擁擠人群或人少的場景皆可適用；（3）使用z-value方法來估算事件的異常性，由於計算簡單，訓練完成後即可達到即時偵測。 In this paper a simple and effective crowd behavior normality method is proposed. Feature vector, so called HOSF (histogram of oriented social force), and consists of concatenating local histogram of oriented social force. A dictionary of codewords is trained to include typical HOSF. To detect whether an event is normal is accomplished by comparing how similar to the closest codeword via z-value. The proposed method includes the following characteristic: (1) the training is automatic instead of human labeling; (2) instead of object tracking, the method integrates particles and social force as feature descriptors which well adapted in both crowded or few people scenes; (3) z-score is used in measuring the normality of events. Due to computation simplicity, the normality detection could be real-time once the training is finished.
顯示於類別:	[資訊工程學系暨研究所] 學位論文

文件中的檔案:

檔案	大小	格式	瀏覽次數
index.html	0Kb	HTML	304	檢視/開啟

在機構典藏中所有的資料項目都受到原著作權保護.

TAIR相關文章

資料載入中.....