基于多尺度卷积神经网络的人群聚集异常预测

作者：罗凡波; 王平; 徐桂菲; 雷勇军; 范烊

来源：计算机工程与科学, 2020, 42(12): 2223-2232.

• 聚集异常预测
• MCNN
• 人群运动状态
• 人群密度
• 人群距离势能
• 人群分布熵

已有的公共场所人群聚集异常行为检测方法较少,且大多检测方法都是在人群已经异常聚集后再进行检测,检测准确率不高,时效性不够好。提出一种基于多尺度卷积神经网络(MCNN)的人群聚集异常预测模型。首先,通过多尺度卷积神经网络训练一个人群计数模型,用训练好的模型对人群聚集异常视频进行测试;然后在测试中完成人群人数统计与人群头部坐标点获取,进而计算人群密度、人群距离势能与人群分布熵;最后将得到的3种人群运动状态特征值利用PSO-ELM进行训练,得到预测模型,通过特征数据的变化,完成人群聚集行为的预测。实验结果表明,与现有算法相比,该模型能有效实现人群聚集异常行为的预警与检测,时效性强,为采取相应应急措施提供了更多时间,预测准确率达到了97.17%。

• 单位
  西华大学; 国网四川省电力公司; 国网四川省电力公司资阳供电公司