基于斥力与稀疏重建的密集人群异常事件检测与定位
计算机视觉与模式识别
2018-08-22 v1
摘要
本文提出一种基于斥力与稀疏重建的方法，用于拥挤场景中异常事件的检测与定位。为避免在密集或复杂场景中准确跟踪每个特定个体的难题，我们将监控视频的每一帧划分为固定数量的网格，并在每个网格中选取一个代表点作为待跟踪个体。能够准确反映人群交互行为的斥力模型，用于计算拥挤场景中网格粒子间的交互力，并利用这些来自固定数量连续帧的离散力构建力流矩阵。包含时空信息的力流矩阵通过稀疏编码训练出一组视觉字典。为进一步提高检测效率并避免概念漂移，我们提出一种基于稀疏重建和一组词池的全无监督全局与局部动态更新算法。对于异常定位，由于我们的方法基于固定网格，可根据对应视觉词的重建误差直观判断某区域是否发生异常。我们使用 UMN 数据集、UCSD 数据集和 Web 数据集分别实验验证了所提方法。结果表明，我们的方法不仅能准确检测异常事件，还能精确定位异常位置。
引用
@article{arxiv.1808.06749,
title = {Abnormal Event Detection and Location for Dense Crowds using Repulsive Forces and Sparse Reconstruction},
author = {Pei Lv and Shunhua Liu and Mingliang Xu and Bing Zhou},
journal= {arXiv preprint arXiv:1808.06749},
year = {2018}
}