《表1 实验数据类型及数量分布情况》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于C3D-GRNN模型的人群异常行为识别算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文识别的异常行为主要分为4类:四散、同方向加速跑、群殴和突然聚集，将异常行为发生前的行为，以及这4类异常行为以外的行为均视为正常行为。本文以Matlab R2017a为实验平台，选取两个数据源。数据1来源于某部队院校训练场监控视频集，该视频时长5 min 49 s，分辨率为1920像素×1080像素，帧速率为25 f/s；数据2是公开数据集UMN，该数据集包含广场、草坪和室内3个场景下的人群四散、同向加速跑和正常行为，分辨率为320像素×240像素，时长4min 17 s，帧速率为30 f/s。利用本文所提出的基于C3D-GRNN模型的人群异常行为识别算法对数据1进行处理。选取含有四散、同方向加速跑、群殴和突然聚集4类异常行为，以及其他正常行为，时长约66 s（共1647帧）的视频集作为实验数据。首先对该视频进行标记，确定每一帧图像中的行为类别，而后将它们按照约2∶1的比例随机分为两部分，即训练集和测试集。所采用的5类人群行为的数据信息如表1所示，其中:第2、3、4、5类为异常行为，其他统一归为第1类正常行为。