电视技术
電視技術
전시기술
TV ENGINEERING
2014年
3期
163-166
,共4页
场景模型%轨迹属性集%晕倒行为
場景模型%軌跡屬性集%暈倒行為
장경모형%궤적속성집%훈도행위
scene model%trajectory set of properties%faint behavior
为减少异常行为在公共场所造成的安全隐患,以复杂场景地铁为研究背景,从人工智能的角度出发,全面地分析异常行为特征并进行系统设计,快速标定视频监控场景.在上下文场景模型与异常行为模型建立的基础上,采用改进camshift算法对轨迹间断进行填补并跟踪,提出了一种以轨迹属性集对晕倒异常行为进行表征.实验结果表明,该算法能够快速分析地铁场景中的晕倒行为并及时预警,检测率为89.9％.
為減少異常行為在公共場所造成的安全隱患,以複雜場景地鐵為研究揹景,從人工智能的角度齣髮,全麵地分析異常行為特徵併進行繫統設計,快速標定視頻鑑控場景.在上下文場景模型與異常行為模型建立的基礎上,採用改進camshift算法對軌跡間斷進行填補併跟蹤,提齣瞭一種以軌跡屬性集對暈倒異常行為進行錶徵.實驗結果錶明,該算法能夠快速分析地鐵場景中的暈倒行為併及時預警,檢測率為89.9％.
위감소이상행위재공공장소조성적안전은환,이복잡장경지철위연구배경,종인공지능적각도출발,전면지분석이상행위특정병진행계통설계,쾌속표정시빈감공장경.재상하문장경모형여이상행위모형건립적기출상,채용개진camshift산법대궤적간단진행전보병근종,제출료일충이궤적속성집대훈도이상행위진행표정.실험결과표명,해산법능구쾌속분석지철장경중적훈도행위병급시예경,검측솔위89.9％.
