由於看到的是英文,翻譯自CSDN某篇文章文章出處。http://blog.csdn.net/longzaitianya1989/article/details/9193783
Abnormal Crowd Behavior Detection using Social Force Model
一:Introduction(概述)
計算機視覺的最大挑戰之一,是分析活動的人羣。和查找社會性和行爲性的羣體,提供和判斷行爲的數學分析模型例如社會力模型。本文中,我們將會提供一個基於平衡檢測非常規人羣的社會力模型的計算機視覺的方法。
1. 人羣行爲分析的難點
常規的人羣檢測方法受限於 遮擋(行人之間有遮擋)、擁擠、低分辨率、忽視人的社會互動
2. 解決方法
1. 使用粒子流方法來分析的人羣,並把人羣看做一個整體。
2. 使用社會力模型來模擬人羣的行爲
3. 優點
1. 該方法對干擾和遮擋有比較強的魯棒性
2. 社會力模型使這個方法在檢測人羣行爲時有強大的理論支持
二:社會力學模型
1. 描述
在社會力學模型中,人是受長作用力的驅使,是他/她做跟隨運動,類似於牛頓力學。而個體的速度是和整體的速度應該是相適應,個體受整體的影響。
2. 動態模型
在模型中,行人的個體力學模型如下
3. 廣義社會力模型
拓展到恐慌的影響
三:人羣相互作用力影響的估算
計算因爲擁擠和遮擋產生的人羣的相互作用力是一件困難的事情。顆粒流計算方法爲人羣的相互作用力提供了另一種可行的方法。
在密集的人羣中,個體的運動類似於一個流動的質點在逐漸運動。在人羣中產經的光流表示人羣運動的方向。
1. 人羣的運動使用光流的網格來進行捕捉
2. 在人羣中,人們的移動往往趨向於平穩,因此光流(Oave)均數可以經常被用於檢測顆粒的對流檢測。
2. 計算人羣力
把顆粒比作人羣中的個體,社會力模型可以適用如下:
瞭解上述等式(F_int)你會發現個有趣的現象,在兩種極端的情況下作用力的大小會是0
1. 當粒子的速度不在變化(dv/dt=0): 如果該粒子的速度不同於人羣的數度,則作用 力(F_int)將是非0的。在這種情況下,周圍行人改變他們的速度(方向、幅度),且 你與他們保持同樣的步伐。因此,非0的相互作用力將會被分配到周圍的各個粒子 中。
2. 顆粒流的數度等於人羣的速度(v^q-v = 0) : 在這種情況下,任何的改變都將破壞這 平衡,它將改變整個顆粒流磁場和周圍粒子的速度。這將涉及到邊界或行人路徑 的變化,對其他類型的相互作用力產生的影響。
最後,該算法的實現流程如下:
四:事件檢測
想要了解人羣的動態,僅僅靠相互作用力是不夠的。
1. 在不同的場景下,所表現的出來的力都模型都是不一樣的。
2. Force flow(強制流) : 在一個場景中相互作用力的組成,是由各個粒子的力映射到整 個幀畫面而形成的。
1. 異常行爲監測
LDA:利用閾值來判別視頻中的正常幀和異常幀。
異常事件的位置的相互作用力會比較大,在顯示時以顏色加深顯示。
五:實驗
1. UMN數據集
人羣緊急逃生,11個視頻,3個場景,視頻中包括一個正常的開始部分和異常的結束部分
5個正常場景的視頻,經測試如下
2. 網上視頻實驗結果
· 8 Videos of real-life Escape panic, clash, fight
· 12 Videos of normal pedestrians
· Trained and tested in a 2-fold validation manner
六: 下載
· Web Dataset: Abnormal/Normal Crowds