本文通过改进原有光流方向直方图的计算方法,将光流能量信息融合在计算过程中,基于加权光流能量的HOFO特征,提出进行异常行为检测的算法,采用SVM和HOFO特征相结合的方法,检测识别视频中异常行为。实验表明,与原始算法相比,在样本相同的情况下,打架、摔倒、砸车三种行为中,改进的算法检测效果均要好,在进行线性SVM分类器的训练时,发现算法检测准确率随着样本数量的增加而提高。 42卷第12期(总第509期)|投稿网址http:??www．videoe．cn的摄像机进行录制，形成这些实验数据集。在该数据集中，数据包括多人行为、单人行为，多人行为包括赶上、抢劫、会合、碰头、超越等动作;单人行为包括跳跃、本文由公司网站全自动滚圆机网站采集转载中国知网整理!    http://www.gunyuanji168.com/ 检测算法研究-电动折弯机数控滚圆机滚弧机折弯机张家港滚圆机滚弧机折弯机行走、摔倒、下蹲、砸车、徘徊行走等动作。图2CASIA行为数据库3．2实验结果本研究通过CASIA行为分析数据库中的视频获得相应的实验数据，并进行测试样本、训练样本的制作，主要检测并识别数据集中三种异常行为，三种异常行为是打架、摔倒、砸车。图3为打架识别分类准确率，图4为砸车识别分类准确率，图5为摔倒识别分类准确率。图3打架识别分类准确率图4砸车识别分类准确率由图3、图4、图5知，与原始算法相比，在样本相同的情况下，在打架、摔倒、砸车三种行为中，改进的算法检测效果均要好，在进行线性SVM分类器的训练时，发现算法检测准确率随着样本数量的增加图5摔倒识别分类准确率而提高。5结论本文对光流概念、两种常用光流值计算方法进行了阐述，然后改进了传统的基于HOFO特征的异常行为检测方法，光流方向直方图计算中融入光流能量，增强了图像表达能力，从而获得改进的HOFO特征，采用SVM和HOFO特征相结合的方法，检测识别视频中异常行为。实验表明，与原始算法相比，在样本相同的情况下，打架、摔倒、砸车三种行为中，改进的算法检测效果均要好，在进行线性SVM分类器的训练时，发现算法检测准确率随着样本数量的增加而提高。参考文献:［1］章毓晋．图像处理和分析教程?检测算法研究-电动折弯机数控滚圆机滚弧机折弯机张家港滚圆机滚弧机折弯机本文由公司网站全自动滚圆机网站采集转载中国知网整理!    http://www.gunyuanji168.com/