基于離散曲率熵的徘徊行為檢測

劉 強 ，羅 斌 ，翟素蘭 ，涂錚錚 ，4

LIU Qiang1，2,LUO Bin1，2,ZHAISulan1，3,TU Zhengzheng1，2，4

1.安徽省工業圖像處理與分析重點實驗室，合肥 230039

2.安徽大學 計算機科學與技術學院，合肥 230039

3.安徽大學 數學科學學院，合肥 230039

4.安徽大學 計算智能與信號處理教育部重點實驗室，合肥 230039

1.Key Lab of Industrial Image Processing&Analysis of Anhui Province,Hefei 230039,China

2.School of Computer Science&Technology,Anhui University,Hefei230039,China

3.School of Mathematical Sciences,Anhui University,Hefei 230039,China

4.Key Lab of Intelligent Computing and Signal Processing of Ministry of Education,Anhui University,Hefei 230039,China

1 引言

當今視頻監控領域，運動目標的檢測和跟蹤技術日趨成熟，對跟蹤的目標進行分析處理也是當今計算機視覺領域的重要課題，特別是在公共安全的應用前景下，進行視頻場景的分析和處理尤為重要。針對公共重點區域的異常行為的檢測和分析，長時間進行人工監督和人工分析處理，既不經濟又不實用，同時也浪費了大量的存儲空間。為了提高監視區域的公共安全性，對區域內行為進行防范，國內外已經有很多學者對異常行為進行研究[1-2]，如徘徊行為，徘徊行為常常導致異常情況出現。目前很多學者在基于視頻序列的徘徊行為的檢測研究上作了很多工作，文獻[3]采用了二維馬爾可夫隨機游走模型，得到基于軌跡內容的時空信息躍遷矩陣，提取其平穩分布和邊界穿越可能概率作為最終徘徊判斷的準則。文獻[4]利用貝葉斯表征跟蹤器，對行人的外貌特征進行建模，形成一個候選行人數據庫，然后根據保存的時間戳，判斷行人行為是否屬于徘徊行為，該方法需要建立每個行人的外貌庫，過程復雜。

本文從行人的軌跡曲線出發，數學化其運動軌跡的雜亂程度，通過設定關聯閾值，進而判斷其行人是否是異常行為。本文方法只需計算軌跡，無需建立樣本序列庫，簡單、有效、實時。……