为了提高实时性和精确度,提出一种利用角点动能检测群体异常行为的方法.首先,利用金字塔Lucas-Kanade光流法计算FAST(Features from Accelerated Segment Test)角点光流,筛选出运动的角点;然后,利用k均值方法聚类图像中的角点,自适应地调整正常行为角点动能,定义每一类的局部异常程度为角点平均动能与正常时的比值,整体运动异常程度为局部异常程度之和;最后,如果整体异常程度大于异常阈值为异常行为,否则为正常行为.实验结果表明:该方法能够检测出多种群体异常行为且实时性强于Harris、SIFT(Scale-Invariant Feature Transform)和SURF(Speed Up Robust Features)角点,精确度高于光流法、社会力法和图分析法.
