一种用于复杂结构化场景的人群运动轨迹异常检测方法

摘要

本发明公开一种用于复杂结构化场景的人群运动轨迹异常检测方法，包括如下步骤：提取监控视频历史数据中复杂结构化场景内的人群运动轨迹并对人群运动轨迹进行分段，得到人群分段运动轨迹；对人群分段运动轨迹进行基于最大最小距离的多中心聚类算法的学，得到各人群分段运动轨迹类；提取监控视频当前数据中复杂结构化场景内的人群运动轨迹，并根据各人群分段运动轨迹类，对监控视频当前数据中复杂结构化场景内的人群运动轨迹进行基于LOF算法的异常检测。本发明所述技术方案对于复杂结构化场景中的异常检测相对于现有技术中的其他算法具有高鲁棒性、适用性、有效性和高效性，能够很好的满足实际需求。

主权项

一种用于复杂结构化场景的人群运动轨迹异常检测方法，其特征在于，该方法包括如下步骤：S1、分别提取监控视频历史数据中复杂结构化场景内的人群中所有个体的采样点组成的人群中所有个体的运动轨迹并对人群中所有个体的运动轨迹分别进行分段，得到人群中所有个体的分段运动轨迹；S2、对所述人群中所有个体的分段运动轨迹进行基于最大最小距离的多中心聚类算法的学习，得到各人群分段运动轨迹类；S4、分别提取监控视频当前数据中复杂结构化场景内的人群中各个体的采样点组成的人群中各个体的运动轨迹，并根据所述各人群分段运动轨迹类，对监控视频当前数据中复杂结构化场景内的人群中各个体的运动轨迹进行基于LOF算法的异常检测。