發(fā)布時(shí)間：2018-03-16 14:34

  本文選題：組群識(shí)別　切入點(diǎn)：人群行為分析　出處：《北京交通大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：基于組群層次的人群行為分析是近年來(lái)一種新而有效的研究方法,在視頻監(jiān)控和人群理解等領(lǐng)域有很多重要的應(yīng)用。然而,組群作為人群的基本組成單位,對(duì)人群有很大的影響,對(duì)組群的深入研究具有很大的意義。本文的工作重點(diǎn)在于給出一種高密度場(chǎng)景下人群中組群的識(shí)別方法,對(duì)組群的一些通用特征進(jìn)行研究并給出定量描述,最后分析組群中的重要人物,構(gòu)建組群的三層結(jié)構(gòu)模型。論文前半部分提出了一種無(wú)需人工參與即能快速自動(dòng)進(jìn)行組群識(shí)別的方法。首先,使用自動(dòng)而快速的密度聚類算法(Automaticand fast density clustering,AFDC)尋找組群的核心,然后通過(guò)組群成員的相關(guān)鄰居不變性(Coherent neighbor invariance,CNI)進(jìn)行融合。相較于傳統(tǒng)方法,該方法既考慮了組群在單幀下的空間和運(yùn)動(dòng)方向特征,又考慮了多幀下時(shí)空上的不變特征,因此具有高度的魯棒性和廣泛的適用性。基于數(shù)百個(gè)公共場(chǎng)景下視頻片斷的實(shí)驗(yàn)效果表明,對(duì)于形狀和密度不斷變化的組群,這種組群識(shí)別方法的效果也很好。由于避免了大量的迭代計(jì)算,在保證我們的組群識(shí)別方法取得優(yōu)良的識(shí)別效果的基礎(chǔ)上,算法的性能也得到了很大的改善。對(duì)組群的統(tǒng)計(jì)實(shí)驗(yàn)結(jié)果顯示組群數(shù)量呈現(xiàn)一種冪律分布(Power-law distribution),這對(duì)人群仿真建模,場(chǎng)景理解等領(lǐng)域有著重要的意義。組群中個(gè)體的相對(duì)重要性研究也引發(fā)了廣泛的關(guān)注。論文接下來(lái)的工作中采用了 45維的向量表示個(gè)體特征,并采用支持向量回歸算法(Support vector regression,SVR),建立了組群成員重要性預(yù)測(cè)模型,判定組群成員中的重要人員。由重要成員,核心成員,相關(guān)人員三層結(jié)構(gòu)的人員就構(gòu)成了組群的三層結(jié)構(gòu)模型。論文最后將組群視作無(wú)向圖,用頂點(diǎn)表示人群中的個(gè)體,用邊表示兩兩個(gè)體之間的距離權(quán)重。對(duì)組群軌跡使用馬爾科夫鏈進(jìn)行建模,求取組群先驗(yàn)(Prior),然后以此為基礎(chǔ)綜合分析組群的地理位置結(jié)構(gòu),組群的內(nèi)部拓?fù)浣Y(jié)構(gòu),聚集程度以及組群間的相互作用等信息,并給出聚集度,穩(wěn)定度,均勻度,沖突度等幾種基礎(chǔ)而通用的組群特征的設(shè)計(jì)和定量的定義。這些組群特征的場(chǎng)景無(wú)關(guān)性很好的說(shuō)明了其廣泛的適用性,并且能夠有效應(yīng)用到人群仿真建模,視頻分類,人群狀態(tài)監(jiān)控,人群視頻檢索等領(lǐng)域。對(duì)高密度場(chǎng)景的理解,人群行為分析等也將產(chǎn)生重要的影響。
[Abstract]:Crowd behavior analysis based on cluster level is a new and effective research method in recent years, which has many important applications in the field of video surveillance and crowd understanding. It has great influence on the crowd, and has great significance for the further study of the cluster. The main work of this paper is to give a method of group identification in the high density scene. Some common features of the cluster are studied and quantitatively described. Finally, the important persons in the cluster are analyzed. In the first half of this paper, a fast and automatic cluster identification method is proposed in the first half of the paper. Firstly, the automatic and fast density clustering algorithm is used to find the core of the cluster. Then the fusion is carried out by using the relative neighbor invariance of cluster members, which takes into account not only the spatial and motion direction characteristics of the cluster in a single frame, but also the invariant features in space and time under multiple frames, compared with the traditional method. Therefore, it has a high degree of robustness and wide applicability. Based on the experimental results of hundreds of common scenes, the experimental results show that, for clusters with changing shapes and densities, The effect of this method is also very good. Because of avoiding a large number of iterative calculations, we can ensure that our cluster recognition method has good recognition effect. The performance of the algorithm has also been greatly improved. The results of the statistical experiments on the clusters show that the number of clusters presents a power law distribution, which is used to model the crowd simulation. The research on the relative importance of individuals in the cluster has attracted extensive attention. In the following work, 45 dimensional vectors are used to represent individual characteristics. The support vector regression algorithm is used to predict the importance of cluster members. In the end, the group is regarded as an undirected graph, and the vertex is used to represent the individual in the crowd. The distance weight between two individuals is represented by edges. Markov chain is used to model the group locus, and a priori priorn is obtained. Based on this, the geographical position structure of the group and the internal topological structure of the group are analyzed synthetically. The degree of aggregation and the interaction between clusters are given, and the degree of aggregation, stability and uniformity are given. The design and quantitative definition of several basic and general cluster features, such as conflict degree, are used to illustrate their wide applicability, and can be effectively applied to crowd simulation modeling, video classification, and so on. Crowd state monitoring, crowd video retrieval and other fields. The understanding of high-density scenes, crowd behavior analysis will also have an important impact.
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前5條

1 ;電機(jī)優(yōu)化設(shè)計(jì)中的組群技術(shù)[J];電機(jī)電器技術(shù);1990年01期

2 舒小潤(rùn);張鐵強(qiáng);;基于組群的P2P信譽(yù)模型[J];電腦知識(shí)與技術(shù);2009年28期

3 鄧少鋒;鄧帆;李益發(fā);;有效的強(qiáng)安全組群密鑰交換協(xié)議[J];計(jì)算機(jī)應(yīng)用;2010年07期

4 宋占偉,聞邦椿;工程機(jī)械組群動(dòng)態(tài)組織與集成管理系統(tǒng)研究[J];筑路機(jī)械與施工機(jī)械化;2001年03期

5 陳世卿;徐紅云;張大方;;基于組群的可實(shí)現(xiàn)接收者匿名的通信模型[J];計(jì)算機(jī)應(yīng)用研究;2006年04期

相關(guān)會(huì)議論文 前8條

1 孫啟源;;組群式城市與健康城市化[A];城市規(guī)劃面對(duì)面——2005城市規(guī)劃年會(huì)論文集（上）[C];2005年

2 張令軍;;組群式城市鎮(zhèn)村發(fā)展思路初探——以淄博市為例[A];轉(zhuǎn)型與重構(gòu)——2011中國(guó)城市規(guī)劃年會(huì)論文集[C];2011年

3 商嘉友;;中國(guó)組群式城市的特點(diǎn)及其中的民族關(guān)系與對(duì)策[A];中國(guó)都市人類學(xué)會(huì)第一次全國(guó)學(xué)術(shù)討論會(huì)論文集[C];1993年

4 任鵬雁;管恩亭;;以張店為中心建設(shè)淄博現(xiàn)代化組群式城市[A];中國(guó)都市人類學(xué)會(huì)第一次全國(guó)學(xué)術(shù)討論會(huì)論文集[C];1993年

5 丁志剛;;城市組群的區(qū)域性服務(wù)功能與核心城市發(fā)展研究——以澄張靖城市組群為例[A];2012城市發(fā)展與規(guī)劃大會(huì)論文集[C];2012年

6 陳琳;鄭康鋒;鈕心忻;陸峰;彭越;;面向Spread安全組群通信的DNS動(dòng)態(tài)更新研究[A];2010年全國(guó)通信安全學(xué)術(shù)會(huì)議論文集[C];2010年

7 宋曉剛;;典型組群城市規(guī)劃管理模式創(chuàng)新與實(shí)踐——以淄博市為例[A];城市規(guī)劃面對(duì)面——2005城市規(guī)劃年會(huì)論文集（下）[C];2005年

8 熊花;;武漢市南部新城組群用地建設(shè)強(qiáng)度研究[A];‘城鄉(xiāng)治理與規(guī)劃改革——2014中國(guó)城市規(guī)劃年會(huì)論文集（13 區(qū)域規(guī)劃與城市經(jīng)濟(jì)）[C];2014年

相關(guān)重要報(bào)紙文章 前10條

1 記者 梁瑜;我市“組群推進(jìn)、城鄉(xiāng)統(tǒng)籌”全力推進(jìn)城鎮(zhèn)化[N];呂梁日?qǐng)?bào);2014年

2 記者 王燕　通訊員 王磊;我省描繪蕪馬組群發(fā)展藍(lán)圖[N];馬鞍山日?qǐng)?bào);2012年

3 本報(bào)記者 朱衛(wèi)國(guó);組群融合發(fā)展[N];濟(jì)寧日?qǐng)?bào);2010年

4 ;“紅河谷”城市組群橫空出世[N];湖北日?qǐng)?bào);2013年

5 本報(bào)記者 魏勁松 通訊員 楊戈 劉兵;湖北：漢江“河谷組群”顯露雛形[N];經(jīng)濟(jì)日?qǐng)?bào);2013年

6 魯寧;城鎮(zhèn)居民收入差距還會(huì)擴(kuò)大[N];證券時(shí)報(bào);2005年

7 魯寧;差距還會(huì)擴(kuò)大[N];中國(guó)保險(xiǎn)報(bào);2005年

8 本報(bào)記者 宋紅崗;魯南濟(jì)寧將組群式成長(zhǎng)[N];經(jīng)濟(jì)日?qǐng)?bào);2001年

9 本報(bào)記者 耿倩　劉俊英;一核雙圈繪美景 組群推進(jìn)建新城[N];科學(xué)導(dǎo)報(bào);2011年

10 記者 朱科;1+1>2[N];襄陽(yáng)日?qǐng)?bào);2013年

相關(guān)碩士學(xué)位論文 前8條

1 崔克輝;組群式城市的城鎮(zhèn)化發(fā)展研究[D];天津大學(xué);2016年

2 金科;高密度場(chǎng)景下人群中組群的識(shí)別與分析[D];北京交通大學(xué);2017年

3 陳健;國(guó)內(nèi)高校教學(xué)樓組群的兩種典型模式比較研究[D];浙江大學(xué);2004年

4 吳嫦娥;吉林中部城市組群功能關(guān)系優(yōu)化研究[D];東北師范大學(xué);2005年

5 劉薇;基于組群挖掘的服務(wù)發(fā)現(xiàn)推薦方法[D];東北大學(xué);2009年

6 李建斌;基于模型的組群安全分析方法及應(yīng)用[D];大連理工大學(xué);2011年

7 金鋒;一個(gè)新型組群密鑰交換協(xié)議的設(shè)計(jì)與實(shí)現(xiàn)[D];大連理工大學(xué);2008年

8 汪洋;一種容錯(cuò)的組群密鑰分發(fā)協(xié)議設(shè)計(jì)與實(shí)現(xiàn)[D];大連理工大學(xué);2007年

，

本文編號(hào)：1620340