基于光流法优化的人群异常行为检测研究

危害社会公共安全的事件时有发生，但目前使用的监控摄像头存在画面不清晰、需人为查看且耗时长等问题，故研究高效稳定的智能监控系统对维护公共安全和秩序有着重要意义。针对人群中异常行为的检测问题，文中提出一种改进ORB光流算法，根据运动能量的变化对异常行为进行检测和判断。该方法利用SURF中的Hessian矩阵进行特征点提取，使其具有尺度不变性；采用盒式滤波器替换高斯滤波器进行图像降噪，提高计算速度；使用Shi-Tomasi算法对特征点进行筛选，再与金字塔LK光流法进行匹配，提高检测速度和精度；通过计算MRF模型的能量函数来判断人群中异常行为是否发生，并进行异常区域定位。最后，在UCSD数据集中对所提方法进行验证。多种场景下的ROC曲线和AUC值对比结果表明，所提算法具有良好的性能，可以有效地检测出人群中的异常行为。