项目名称: 基于多载体协同跟随的多视角三维场景下人群异常事件检测方法研究

项目编号: No.61473277

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 自动化技术、计算机技术

项目作者: 吴新宇

作者单位: 中国科学院深圳先进技术研究院

项目金额: 83万元

中文摘要: 对公共场所的密集人群进行视频监控是预防人群灾难,减少各种突发性事件,保障人民群众生命财产安全的重要手段。传统的基于固定单摄像机的智能视频监控系统由于位置和视角的限制,难以实现对大跨度场景的实时监控,更无法主动跟随监控目标进行连续追踪,从而影响监控的效果和效率。我们结合移动机器人技术和智能视频分析技术,提出基于多载体协同跟随实现多视角三维场景下的人群异常事件检测,通过融合固定摄像机及搭载在多载体(飞行机器人、地面移动机器人)上的移动摄像机的视频信息,不仅能对大跨度场景进行全覆盖式的实时监控,还能持续地追踪感兴趣的目标并进行异常行为检测。本项目研究内容包括:基于多载体自身GPS信息及全局多特征图的三维场景实时重建;多载体协同的目标主动追随;三维场景下对全局、局部及个体异常行为进行检测。项目研究成果能为各类人群异常事件提供早期预警和分析手段,对加强城市管理和保障公共安全具有重要的实用价值。

中文关键词: 视频监控;异常检测;多载体;协同跟随;三维场景重建

英文摘要: Visual surveillance on the crowds in public places is the important means for preventing crowd disaster, diminishing all sorts of breaking events, ensuring safety of people and their properties. The classical intelligent video surveillance system based on single camera with fixed-position, however, limited by the position and viewing angle, is incapable of making real-time surveillance to large span zone, not to mention the active and continuous tracking on the object under surveillance, which greatly reduce the effect and efficiency of visual surveillance. In this proposal, based on the technology of mobile robot and intelligent video analysis, anomaly detection in crowd is investigated by the cooperative following behaviors of multiple carriers in 3D real scenes under different viewing angle. By combining video information obtained from the cameras mounted on fixed places with those on multiple carriers including flying robot, land robot, etc., We can not only realize real-time surveillance to large span zone with full-coverage, but also continuously track the object of interest and detect crowd anomaly as well. Our research topics include the following. First of all, real-time 3D scene is reconstructed based on the GPS information of multiple carriers and the global feature maps. Secondly,active object tracing based on collabration of multiple carriers.Thirdly, Abnormal behaviors of individuals in global or local zone are detected under 3D scene. It's expected the results of this research can facilitate early warning and analysis on crowd anomalies, which is of great practical use in reinforcing management in cities as well as maintaining public security.

英文关键词: Video surveillance;Anomalies detection;Multiple carriers;Cooprative Following;3D scene reconstruction

成为VIP会员查看完整内容
1

相关内容

在数据挖掘中,异常检测(英语:anomaly detection)对不符合预期模式或数据集中其他项目的项目、事件或观测值的识别。通常异常项目会转变成银行欺诈、结构缺陷、医疗问题、文本错误等类型的问题。异常也被称为离群值、新奇、噪声、偏差和例外。 特别是在检测滥用与网络入侵时,有趣性对象往往不是罕见对象,但却是超出预料的突发活动。这种模式不遵循通常统计定义中把异常点看作是罕见对象,于是许多异常检测方法(特别是无监督的方法)将对此类数据失效,除非进行了合适的聚集。相反,聚类分析算法可能可以检测出这些模式形成的微聚类。 有三大类异常检测方法。[1] 在假设数据集中大多数实例都是正常的前提下,无监督异常检测方法能通过寻找与其他数据最不匹配的实例来检测出未标记测试数据的异常。监督式异常检测方法需要一个已经被标记“正常”与“异常”的数据集,并涉及到训练分类器(与许多其他的统计分类问题的关键区别是异常检测的内在不均衡性)。半监督式异常检测方法根据一个给定的正常训练数据集创建一个表示正常行为的模型,然后检测由学习模型生成的测试实例的可能性。
监控视频的异常检测与建模综述
专知会员服务
48+阅读 · 2021年12月27日
【博士论文】基于深度学习的单目场景深度估计方法研究
【博士论文】推荐系统多行为建模与隐私保护研究
专知会员服务
52+阅读 · 2021年11月27日
专知会员服务
45+阅读 · 2021年10月1日
专知会员服务
14+阅读 · 2021年5月18日
专知会员服务
19+阅读 · 2021年3月18日
专知会员服务
23+阅读 · 2021年1月30日
专知会员服务
51+阅读 · 2020年12月19日
专知会员服务
43+阅读 · 2020年12月8日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
浙江省政协委员、专委会常委范渊在2022年浙江省两会提案
CCF计算机安全专委会
0+阅读 · 2022年3月8日
AAAI2021 | 基于图Transformer的多行为推荐算法
机器学习与推荐算法
5+阅读 · 2021年11月8日
【AGV】仓库内多AGV协作的全局路径规划算法的研究
产业智能官
27+阅读 · 2018年11月10日
基于图像的场景三维建模
计算机视觉战队
13+阅读 · 2018年3月17日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Geo-located data for better dynamic replication
Arxiv
0+阅读 · 2022年5月2日
Arxiv
0+阅读 · 2022年5月2日
Arxiv
33+阅读 · 2022年2月15日
Arxiv
17+阅读 · 2021年3月29日
Arxiv
19+阅读 · 2020年12月23日
Arxiv
92+阅读 · 2020年2月28日
小贴士
相关VIP内容
监控视频的异常检测与建模综述
专知会员服务
48+阅读 · 2021年12月27日
【博士论文】基于深度学习的单目场景深度估计方法研究
【博士论文】推荐系统多行为建模与隐私保护研究
专知会员服务
52+阅读 · 2021年11月27日
专知会员服务
45+阅读 · 2021年10月1日
专知会员服务
14+阅读 · 2021年5月18日
专知会员服务
19+阅读 · 2021年3月18日
专知会员服务
23+阅读 · 2021年1月30日
专知会员服务
51+阅读 · 2020年12月19日
专知会员服务
43+阅读 · 2020年12月8日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
相关基金
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
相关论文
Geo-located data for better dynamic replication
Arxiv
0+阅读 · 2022年5月2日
Arxiv
0+阅读 · 2022年5月2日
Arxiv
33+阅读 · 2022年2月15日
Arxiv
17+阅读 · 2021年3月29日
Arxiv
19+阅读 · 2020年12月23日
Arxiv
92+阅读 · 2020年2月28日
微信扫码咨询专知VIP会员