基于光流法和混合高斯模型对监控视频中的人群进行跟踪

最新推荐文章于 2021-11-25 01:42:34 发布

VG-Lin

最新推荐文章于 2021-11-25 01:42:34 发布

阅读量3.4k

点赞数 11

文章标签：机器学习

本文链接：https://blog.csdn.net/carson1145/article/details/105008100

版权

本文介绍了一种基于UCSD Anomaly Detection Dataset的数据集，利用高斯混合模型进行前景提取，再结合Lucas Kanade光流法进行人群跟踪，通过光流信息分析预测视频中的异常行为。实验环境为Win10，Python 3.7.3，OpenCV 4.1.0。

摘要由CSDN通过智能技术生成

实验数据：

UCSD Anomaly Detection Dataset

该数据集由加州大学圣迭戈分校提供，由一个安装在高处、俯瞰人行道的固定摄像机获取的监控视频。视频中人群密度由稀疏到密集不等。其中正常定义：视频中仅有行人；异常定义为：视频中出现自行车/汽车/滑板车/轮椅等异常运动模式。数据集中提供了两个场景，分别为UCSDped1和UCSDped2，每个场景下又分为Train和Test，下面又会分为N个片段，每个片段都会有200帧图像。本实验用到“UCSDped1/Train/Train007”这一片段，下面为该片段的视频演示：

实验代码：

环境：Win10 | Python 3.7.3 | OpenCV 4.1.0

步骤一：前景提取

利用高斯混合模型分离图像帧的前景和背景

# 创建混合高斯模型
fgbg = cv2.createBackgroundSubtractorMOG2()

for frame in frames:
	frame_img = cv2.imread(frame_path + frame, 1)
	# 利用混合高斯模型提取前景
	fgmask = fgbg.apply(frame_img)

提取前景后的视频演示：