共查询到10条相似文献,搜索用时 171 毫秒
1.
实现人群密度自动估计是智能视频监控的研究内容之一,而基于灰度共生矩阵(GLCM)纹理特征的密度估计法是一种重要的人群密度估计方法。本文采用GLCM构建的五个特征量作为参数,通过计算纹理特征量对人群图像进行纹理分析,并采用SVM分类器进行人群密度等级分类。仿真实验结果表明:基于纹理特征的人群密度估计方法计算复杂度低、鲁棒性好。 相似文献
2.
实现人群密度自动估计是智能视频监控的研究内容之一,而基于灰度共生矩阵(GLCM)纹理特征的密度估计法是一种重要的人群密度估计方法。本文采用GLCM构建的五个特征量作为参数,通过计算纹理特征量对人群图像进行纹理分析,并采用SVM分类器进行人群密度等级分类。仿真实验结果表明:基于纹理特征的人群密度估计方法计算复杂度低、鲁棒性好。 相似文献
3.
研究人群密集场所的人群运动速度特征可以预测人群的运动趋势,在大型活动组织过程中可以对异常人群运动做出预警,避免过度的拥挤及踩踏事件的发生,保证大型群体性活动的安全顺利开展。利用国内某重要城市核心区公共场所人群运动的视频图像,通过互相关算法提取该场所人群的运动速度,并进一步比较通往景区的四条不同路径上人群运动速度的差异性,分析其人群运动特征。分析结果表明单向通道的人群运动速度较大且运动方向基本与通道的两侧边界平行,而双向通道中由于人群中阻尼效应的影响,人群运动速度的大小和方向都发生了不同程度的改变。分析结果可为核心区管理者进行大型群体性活动的组织、人群疏散与引导提供建议,进而为人群拥挤踩踏事故风险防控、拥挤踩踏事故专项应急预案制定及人群聚集活动安全方案编制提供理论支持。 相似文献
4.
5.
针对航站楼旅客群体性事件的智能化预警问题,在民用机场航站楼内的现有视频监控系统的基础上,提出旅客群体性事件预警监控系统架构和关键技术。针对航站楼内的视频监控系统的视频数据进行预处理;基于空间聚类算法,从图像中提取人群聚集特征;针对目标监控区域的历史视频和突发事件数据进行统计分析,研究正常和非正常两种情况下的人群分布特征,并建立相应的预警规则库;根据预警规则,在人群聚集特征识别的基础上,对非正常目标密集人群进行识别。该系统可根据航站楼旅客群集性事件的时空特性,针对不同事件、不同时间、不同地点采用不同的规则进行预警,提高了预警的可靠性。 相似文献
6.
为了研究公共场所的人群密度与拥挤事故的发生概率.基于连续人群流动模型,从人群密度角度探讨了人群拥挤事故发生的机理.由于不同民族个体生理尺寸的差异,人群最大忍受密度不同,以此作为判断人群拥挤事故的标准,并结合我国情况提出我国人群最大忍受密度为9人/m2.最后模拟了某个拥挤事故场景,用该模型对其进行拥挤事故分析.结果表明,连续人群流动模型可以用于预测拥挤事故的发生,对预防和控制人群拥挤事故具有一定的指导意义. 相似文献
7.
为实现人群密集场所客流安全隐患早发现,辅助管理人员早决策,人群聚集风险区早疏散,提升对灾难的预见性和主动性。在国内外人群异常聚集监测预警现状分析基础上,对比分析得出监控视频分析技术是解决人群密集场所精准预警难题较为理想的解决方案;构建以视频智能分析的人群计数、密度估计、行人追踪、活动烈度识别为核心技术的人群密集场所风险预警技术框架;将该技术框架应用到某大型商圈的商业街区,获得监控区域内的人群总数、密度分布、行人轨迹和异常活动等特征。结果表明:提出的基于视频分析的人群密集场所风险预警技术框架可为城市大型商圈、交通枢纽、大型活动场所等城市公共场所的安全管理提供参考和借鉴。 相似文献
8.
9.