结合复小波域去噪和PSO-TSVM的群体异常行为检测

作者：胡根生; 吴玉林; 梁栋

来源：传感器与微系统, 2020, 39(05): 143-147.

DOI：10.13873/J.1000-9787(2020)05-0143-05

• 群体异常行为检测
• 非抽样对偶树复小波包变换
• 双变量模型
• 粒子群优化—孪生支持向量机

为了提高群体异常行为检测准确率,减少异常检测中噪声带来的影响,给出一种结合复小波域去噪和粒子群优化孪生支持向量机(PSO-TSVM)的群体异常行为检测算法。通过Horn-Schunck光流法提取视频中群体行为的速度、加速度、方向特征和人群密度特征;利用非抽样对偶树复小波包变换和双变量模型对抽取的群体行为特征进行噪声去除;使用去噪后的群体行为特征训练和测试经粒子群算法优化的孪生支持向量机模型,实现视频中的群体异常行为检测。在UMN视频数据集和自建数据集上的实验结果表明:相较于社会力模型和粒子熵模型等方法,所提算法具有更高的检测准确率。

• 单位
  电子信息工程学院; 安徽大学