|
關于我們
 書單推薦 新書推薦 |
|
視頻數(shù)據(jù)中的行人群體性行為識別方法
定 價：59 元
- 作者：高立青
- 出版時間：2021/9/1
- ISBN：9787513076845
- 出 版 社：知識產(chǎn)權出版社
- 中圖法分類：C912.22
- 頁碼：
- 紙張：膠版紙
- 版次：
- 開本：16開
視頻監(jiān)控系統(tǒng)中行人群體性行為的識別問題一直是國內(nèi)外學者研究的熱點問題。針對已有研究中知識管理和融合的缺乏以及子算法的冗余等現(xiàn)狀,本書主要以視頻圖像中行人圖元為小粒度,對行人骨架屬性信息、人數(shù)屬性信息等進行研究;并依據(jù)行人屬性信息間的關聯(lián)關系,基于模糊邏輯規(guī)則對行人異常行為進行建模,并通過實例來檢驗模型算法的有效性。本研究屬于社會公共安全管理、應急管理、大數(shù)據(jù)挖掘與人工智能的交叉與滲透,對實現(xiàn)監(jiān)控視頻大數(shù)據(jù)下的行人群體性行為識別具有一定的理論與實踐意義。本書可供公共安全管理、大數(shù)據(jù)等相關領域研究人員閱讀參考。
前 言
近年來,暴力襲擊、游行示威和人員擁擠踩踏等社會性公共突發(fā)事件在國內(nèi)外頻繁發(fā)生,作為城市公共場所社會活動的主體,行人的公共安全問題已成為社會安全管理和智能安防建設中的重點問題。目前,我國大力發(fā)展以視頻監(jiān)控為核心的安防監(jiān)控體系,在各個城市的公共區(qū)域都安裝了大量的高清監(jiān)控設備,產(chǎn)生了海量的監(jiān)控視頻數(shù)據(jù)。如何從這些數(shù)據(jù)中智能分析出行人群體性行為的狀態(tài)變化,如何從中早期發(fā)現(xiàn)異常群體性事件的端倪并有效預警,已經(jīng)成為治安視頻監(jiān)控領域面臨的日益尖銳的科學問題。
視頻數(shù)據(jù)中的群體性行為識別問題一直是國內(nèi)外學者所關注的熱點,已經(jīng)取得了豐富的研究成果。已有的研究通常僅依據(jù)行人的圖像特征,基于分類的方式進行分析,缺乏行人多屬性信息的融合以及先驗知識的應用;另外,當算法應用于監(jiān)控視頻大數(shù)據(jù)時,存在知識整體組織的缺失問題和子算法冗余問題,造成了大量資源的浪費。
由于視頻數(shù)據(jù)中行人的行為主要通過行人的屬性信息及其變化進行體現(xiàn),因此書中主要以行人圖元為視頻數(shù)據(jù)的小粒度對行人行為進行研究,并進行部分算法的分布式及系統(tǒng)實現(xiàn)的探索,其中行人圖元主要依據(jù)其幾何屬性信息分為單人圖元和多人圖元兩類。書中主要的研究思路為:針對單人圖元情形,首先,提出了基于平行線簇的快速行人骨架屬性提取算法來獲取其骨架屬性信息,接下來,在先驗知識的指導下,基于圖元的多類屬性信息構建了模糊邏輯規(guī)則對單人行為進行識別。針對多人圖元情形,首先,提出了基于行人圖元網(wǎng)絡的人數(shù)屬性信息挖掘算法來獲取其人數(shù)屬性信息,接下來,在先驗知識的指導下,基于圖元的多類屬性信息,并融合單人圖元的屬性信息,構建了模糊邏輯規(guī)則對群體性行為進行識別。在書中的后一部分,以圖元的人群屬性信息挖掘算法為例進行了視頻數(shù)據(jù)分布式處理的探索,并在視頻監(jiān)控系統(tǒng)中進行初步應用。
書中研究內(nèi)容屬于社會公共安全管理、應急管理、大數(shù)據(jù)挖掘與人工智能的交叉與滲透,對實現(xiàn)監(jiān)控視頻大數(shù)據(jù)下的行人行為識別具有一定的理論與實踐意義。
高立青，山東煙臺人，大連理工大學博士，太原理工大學經(jīng)濟管理學院，講師；主要從事應急管理、數(shù)據(jù)挖掘與組合優(yōu)化等方面的交叉學科研究；現(xiàn)主持國家自然科學基金青年項目1項；在《系統(tǒng)工程理論與實踐》《自動化學報》、IETImageProcessing以及DiscreteAppliedMathematics等國內(nèi)外著名期刊發(fā)表論文多篇。
目 錄
1 緒論……………………………………………………………………………… 1
1.1 研究背景與意義…………………………………………………………… 1
1.2 研究內(nèi)容與創(chuàng)新點………………………………………………………… 8
2 理論回顧與文獻綜述…………………………………………………………… 11
2.1 理論回顧…………………………………………………………………… 11
2.2 國內(nèi)外相關研究綜述……………………………………………………… 23
2.3 行人行為先驗知識………………………………………………………… 37
3 基于知識的行人行為識別模式………………………………………………… 40
3.1 概述………………………………………………………………………… 40
3.2 行人相關知識元及圖元…………………………………………………… 43
3.3 基于知識的行人信息挖掘框架…………………………………………… 54
4 基于知識元骨架屬性的單人行為識別方法研究……………………………… 63
4.1 概述………………………………………………………………………… 63
4.2 基于平行線簇的快速骨架屬性提取算法………………………………… 66
4.3 基于模糊邏輯規(guī)則的單人行為識別方法………………………………… 82
5 基于知識的行人群體性行為識別方法研究…………………………………… 96
5.1 概述………………………………………………………………………… 96
5.2 圖元網(wǎng)絡與收縮網(wǎng)絡……………………………………………………… 99
5.3 多人圖元的人數(shù)屬性信息挖掘算法…………………………………… 106
5.4 基于行人圖元屬性的行人群體性行為識別方法……………………… 128
6 行人信息分布式挖掘方法及系統(tǒng)實現(xiàn)……………………………………… 136
6.1 概述……………………………………………………………………… 136
6.2 視頻大數(shù)據(jù)的分布式行人信息挖掘示例……………………………… 140
6.3 基于知識的行人信息挖掘相關框架的系統(tǒng)實現(xiàn)……………………… 147
7 結論與展望…………………………………………………………………… 156
7.1 研究結論………………………………………………………………… 156
7.2 研究展望………………………………………………………………… 158
參考文獻…………………………………………………………………………… 160
|
