非结构化高密度拥挤场景的分析用于人群监测
计算机视觉与模式识别
2025-08-12 v10
摘要
我们致力于开发一种用于检测人类拥挤人群中有组织运动的自动化系统。计算机视觉算法可以从拥挤场景的视频中提取信息，自动检测和跟踪正在进行有组织运动的群体，这些运动在冲突规避的语境中代表着异常行为。我们的系统能够在随机运动的背景中检测到有组织的群体，并能在实时内估计有组织群体的参与人数、运动速度和方向。我们已在包含每帧最高 4000 个对象的生物细胞数据中进行了初步分析，并计划对公众安全应用进行放大百倍的数值扩展。我们计划利用现有的视频摄像头基础设施实时获取图像数据集，并部署一种易用的数据驱动软件系统，通过分析坐在体育场馆或其他公共场所内外的图像序列来解析显著事件。其他潜在用户包括政治集会组织者、市政和野生动物组织、安保公司以及军队。我们将通过实施一种分类方法来优化软件性能，该方法能够区分构成威胁的活动与不构成威胁的活动。
引用
@article{arxiv.2408.11836,
title = {Analysis of Unstructured High-Density Crowded Scenes for Crowd Monitoring},
author = {Alexandre Matov},
journal= {arXiv preprint arXiv:2408.11836},
year = {2025}
}