结合群组动量特征与卷积神经网络的人群行为分析研究

目的：针对现阶段人群行为分析的特征提取效果不佳,人群行为分析结果达不到视频分析的要求。方法：文中提出一种基于人群群组级别的动量特征,分别表示人群的集体性、稳定性和冲突性,然后将三组人群群组动量特征输入至卷积神经网络进行训练,最后在Violence数据集上进行人群行为分析实验。结果：实验结果表明,本文提出的群组动量特征能够在群组级别表达出人群的基本特性,这些特性在人群行为分析中能够建立可识别较高的特征,在Violence数据集上的测试结果显示,本文提出的群组动量特征能够扩展到独立场景,对于任何场景的人群行为分析都能够获得鲁棒的基础动量特征,而采用卷积神经网络进行的训练和分类,能够提升人群行为分析的精确度。结论：与传统特征及分类方法相比,本文算法在各种不同的独立场景中,将标注结果精度提升了13%左右,在视频场景人群行为分析中具有较强的实践意义。

The Research of Crowd Behavior Analysis based on combing Group Motion Feature and CNN model