基于粗糙集的多类人群异常行为识别算法

摘要：

为解决现有基于人工设计特征行为识别方法缺少多类异常行为分类研究和受人工影响大等问题,提出和实现了基于粗糙集的多类中低密度人群异常行为识别算法.该算法首先提取目标人群的人数、帧平均加速度、矩形框的距离势能、方向混乱熵,以及帧间混乱程度五个运动特征量,利用粗糙集从中学习以获取决策规则,再对正常、四散、同向加速跑、突然聚集和群殴这五类人群行为进行分类,并定量对比分析本文算法和其他同类算法处理同一视频集的分类效果.结果表明:与随机森林法等其他同类算法相比,该算法不仅能够有效检测出人群异常行为,还能准确地对五类人群行为进行分类,其识别准确率和覆盖率均有明显提升.

关键词：人群异常行为、粗糙集、特征量、分类

所属期刊栏目：21

分类号：TP391.4(计算技术、计算机技术)

资助基金：武警工程大学科研创新团队课题;基础研究项目

在线出版日期：2021-06-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：4524-4533