博文

公共安全新卫士: 人群异动自动监测系统

已有 2021 次阅读 2019-3-29 09:43 |个人分类:好文推荐|系统分类:论文交流|文章来源:转载

英国哈德斯菲尔德大学(University of Huddersfield)许志杰教授团队设计了一种自动检测系统，其提出的时空纹理提取算法基于Gabor的纹理识别，可有效提取包括大量人群移动细节的视频纹理；其次，团队还设计出一种全新的方案来定义人群移动模式(特征)，通过增强灰度共生矩阵模型识别人群异动。实验结果表明，该方法在准确度和监测效率上均优于其他方法。

【中文导读】

城市中心、主干道、高速公路、体育馆、音乐厅、购物中心都安装了闭路电视监控系统(closed-circuit television (CCTV) cameras)及其他关键设备用以维护社会安定、保障公共安全。监控系统捕捉到的实时视频记录会反馈至各控制中心进行处理和储存。一旦监测到人群中出现异动，就能及时采取应对措施，避免发生意外或造成破坏。

例如，在一个公共事件中，如果人群密度急剧上升且逼近临界值，就应该马上采取措施，防止发生踩踏事件。又或者，在空间狭小的地铁站，如果人群突然散开、四处奔跑，中控室就应该马上拉响警报。

然而，当前很多国家的主要操作模式还停留在手动阶段，即通过操作员连续监测多渠道传输而来的实时视频流。这是一项非常繁重的工作，不仅人力成本高，还需要操作员紧盯多屏幕监测墙，很容易产生疲劳，导致反应慢、造成工作疏忽。

着眼于当前实际，英国哈德斯菲尔德大学许志杰教授团队设计了一种自动检测系统，该系统可及时预测人群异动，还能在发生异动时及时提醒操作员采取应对措施。

【全文信息】

Effective Crowd Anomaly Detection Through Spatio-temporal Texture Analysis

Yu Hao, Zhi-Jie Xu, Ying Liu, Jing Wang, Jiu-Lun Fan

SpringerLink(开放获取):

https://link.springer.com/article/10.1007/s11633-018-1141-z

摘要：

Abnormal crowd behaviors in high density situations can pose great danger to public safety. Despite the extensive installation of closed-circuit television (CCTV) cameras, it is still difficult to achieve real-time alerts and automated responses from current systems. Two major breakthroughs have been reported in this research. Firstly, a spatial-temporal texture extraction algorithm is developed. This algorithm is able to effectively extract video textures with abundant crowd motion details. It is through adopting Gabor-filtered textures with the highest information entropy values. Secondly, a novel scheme for defining crowd motion patterns (signatures) is devised to identify abnormal behaviors in the crowd by employing an enhanced gray level co-occurrence matrix model. In the experiments, various classic classifiers are utilized to benchmark the performance of the proposed method. The results obtained exhibit detection and accuracy rates which are, overall, superior to other techniques.

摘要翻译：

高密度场合中的人群异动会对公共安全造成很大威胁。尽管现在到处都安装了闭路电视监控系统，却很难通过该系统获取实时警报、实现自动响应。本研究取得了两项重要突破：首先，研究者提出时空纹理提取算法，该算法采用基于Gabor的纹理识别，可有效提取包括大量人群移动细节的视频纹理。其次，本研究设计出一种全新的方案来定义人群移动模式(特征)，通过增强灰度共生矩阵模型识别人群异动。最终的实验结果表明，该方法在准确度和监测效率上均优于其他方法。

关键词:

Crowd behavior, spatial-temporal texture, gray level co-occurrence matrix, information entropy

以上内容由IJAC小编根据原文内容编译，若内容有失偏颇，欢迎后台留言指正！感谢论文通讯作者许志杰教授对上述内容的审阅。更多科研干货、特约好文，每周持续更新中~~~公众号底部菜单栏，往期精华应有尽有！

最受欢迎的干货