1. 研究目的与意义（文献综述）

随着国内外经济的发展，人口也越来越密集，而人群的聚集可能会产生各种各样的群体异常行为。有些群体异常行为可以直接反映出监控场景下发生的异常事件，如暴乱、斗殴、踩踏等影响恶劣的群体异常行为，给人们的经济财产造成重大的损失。群体异常行为也可能在一定程度上反映出异常事件的存在与发生，如人群的突然奔跑、散开可能是由汽车爆炸、恐怖袭击引起的连锁反应，突然聚集可能是由于突发疾病，交通事故引起的群众围观。另外，诸如突然聚集的群体性行为虽然本身并无危害，但聚集后的群体也可能产生斗殴、动乱等具有严重后果的危害性事件。

针对这些群体异常行为，目前已经安装了视频安防监控系统对多数公共场所进行监控，以对这些场所的人群进行有效管理，报障人们的生命财产安全。然而，目前的视频监控系统仍处于传统模式，即“只记录不判断”，只能通过视频回放来调查及取证，存在着无法实时告警的缺点，且需要工作人员不问断的监视视频场景，工作任务繁重，且易因受到人体感官疲劳的影响出现漏检、误检等情况。群体异常行为的突发性和不确定性也使得工作人员无法实时检测识别，使得监控系统失去了其实时监控的意义。另外，随着监控系统规模的扩大、视频数据的海量增大，从中查找有用的信息越来越困难，难以满足对实时监控的需求。

因此，如何对监控视频序列中的群体行为进行快速准确的分析处理，检测出是否存在群体异常行为，并及时告警，成为视频监控系统中一个越来越重要的研究课题。其内容主要是对城市视频监控、密集区域监控以及广场街道等重点区域监控时快速发现、检测并识别出群体异常行为。

2. 研究的基本内容与方案

这里我们研究的是基于时间序列的人群异常聚集行为，通过识别群体异常行为特征，分析群体突聚突散、群殴、暴乱等行为的特点，通过时间序列分析建立统计模型，并能够通过建立的模型识别判断人群异常聚集行为。

目前群体异常行为检测识别技术主要包括群体行为特征描述和建模分类两部分内容，其中特征描述是视觉分析中的本质性问题，即找到对行为描述性最强或者最具有代表性的行为特征描述行为。这里针对检测异常行为，我们提出以下几种算法：

提出基于社会力概率分布的群体异常行为检测算法。由于采用传统光流算法描述行为时只包含少量的上下文信息，因此为了提高描述性和检测率，ramin mehran等人在光流特征的基础上提出了加入前后多帧的行为信息的社会力特征后，在一定程度上提高了检测效率，但是仍存在社会力时空体中社会力为零的冗余信息影响社会力立方体描述性的问题。针对该问题，提出基于社会力时空体的概率分布描述方法减少原特征中的冗余信息。在用监控粒子的社会力构建立方体后，对每个立方体中的社会力进行统计，生成加权直方图并以此作为每个立方体的社会力概率分布描述该局部区域中的行为状态，提高了异常行为检测率。

3. 研究计划与安排

1-4周：查阅文献，完成开题报告；

5-6周：论文开题；

7-10周：编写程序完成系统调试；

4. 参考文献（12篇以上）

[1]宋开勇. 基于脉线的群体分割与人群异常行为检测[d]. 青岛科技大学, 2013.

[2]徐娇. 高密度群体分割及其行为识别技术研究[d]. 中国计量学院, 2015.

[3]刘云, 王传旭, 闫春娟. 人群流分割及人群流异常行为识别方法:, cn 103235944 a[p]. 2013.