公开(公告)号：CN111461041A

公开(公告)日：2020-07-28

申请号：CN202010265942.8

申请日：2020-04-07

Applicant: 西安交通大学

Inventor： 安健 ,  程宇森 ,  桂小林 ,  彭振龙 ,  程锦东 ,  汪振星

IPC: G06K9/00 ,  G06K9/62 ,  G06T7/246

Abstract: 本发明公开了一种基于生成对抗网络的多因素联合判别异常行人方法，采用改进的Pedestrian-Synthesis-GAN网络对行人进行检测跟踪，为判别运动轨迹、记录通过时间以及行人的头部曝光时长提供了基础。使用Social-GAN网络预测行人轨迹，计算实际轨迹与预测轨迹的相似度，得到异常分数。设计使用SVM来对行人通过时间进行判别，得到相应的异常分数。由于异常行人会产生冻结效应，在行人检测的基础上使用GAN网络对人脸进行识别检测，计算面部曝光时长和曝光次数的异常分数。最后，设置动态权重，对行人的运动轨迹、逗留时间、脸部曝光时长、曝光次数以及行为姿态五个方面进行多因素融合判别，有效提高了检测异常行人的准确率。

公开(公告)号：CN111461041B

公开(公告)日：2022-12-09

申请号：CN202010265942.8

申请日：2020-04-07

Applicant: 西安交通大学

Inventor： 安健 ,  程宇森 ,  桂小林 ,  彭振龙 ,  程锦东 ,  汪振星

IPC: G06V40/10 ,  G06V10/764 ,  G06V10/82 ,  G06V10/74 ,  G06T7/246

Abstract: 本发明公开了一种基于生成对抗网络的多因素联合判别异常行人方法，采用改进的Pedestrian‑Synthesis‑GAN网络对行人进行检测跟踪，为判别运动轨迹、记录通过时间以及行人的头部曝光时长提供了基础。使用Social‑GAN网络预测行人轨迹，计算实际轨迹与预测轨迹的相似度，得到异常分数。设计使用SVM来对行人通过时间进行判别，得到相应的异常分数。由于异常行人会产生冻结效应，在行人检测的基础上使用GAN网络对人脸进行识别检测，计算面部曝光时长和曝光次数的异常分数。最后，设置动态权重，对行人的运动轨迹、逗留时间、脸部曝光时长、曝光次数以及行为姿态五个方面进行多因素融合判别，有效提高了检测异常行人的准确率。