Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Recognition of Anomalous Motion Patterns in Urban Surveillance
Swedish Defence Research Agency, Sweden.
Linköpings universitet, Institutionen för systemteknik, Reglerteknik. Linköpings universitet, Tekniska högskolan.
INO, Canada.
INO, Canada.
2013 (Engelska)Ingår i: IEEE Journal on Selected Topics in Signal Processing, ISSN 1932-4553, E-ISSN 1941-0484, Vol. 7, nr 1, s. 102-110Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

We investigate the unsupervised K-means clustering and the semi-supervised hidden Markov model (HMM) to automatically detect anomalous motion patterns in groups of people (crowds). Anomalous motion patterns are typically people merging into a dense group, followed by disturbances or threatening situations within the group. The application of K-means clustering and HMM are illustrated with datasets from four surveillance scenarios. The results indicate that by investigating the group of people in a systematic way with different K values, analyze cluster density, cluster quality and changes in cluster shape we can automatically detect anomalous motion patterns. The results correspond well with the events in the datasets. The results also indicate that very accurate detections of the people in the dense group would not be necessary. The clustering and HMM results will be very much the same also with some increased uncertainty in the detections.

Ort, förlag, år, upplaga, sidor
IEEE Signal Processing Society, 2013. Vol. 7, nr 1, s. 102-110
Nyckelord [en]
Clustering algorithms, Decision support systems, Hidden Markov models, Machine learning, Machine vision, Object segmentation, Pattern recognition
Nationell ämneskategori
Reglerteknik
Identifikatorer
URN: urn:nbn:se:liu:diva-93983DOI: 10.1109/JSTSP.2013.2237882ISI: 000318435000010OAI: oai:DiVA.org:liu-93983DiVA, id: diva2:628236
Forskningsfinansiär
Vinnova
Anmärkning

Funding Agencies|Vinnova (Swedish Governmental Agency for Innovation Systems) under the VINNMER program||

Tillgänglig från: 2013-06-13 Skapad: 2013-06-13 Senast uppdaterad: 2017-12-06

Open Access i DiVA

fulltext(296 kB)814 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 296 kBChecksumma SHA-512
2389596a965c4f1bc9645b20754eb8917b9463a90bf35332c45a1ece1c371c425fd740e02051da97e42c5f918f3b9c951fa0a043dc306bbf519068e8b9a5cee0
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltext

Sök vidare i DiVA

Av författaren/redaktören
Gustafsson, Fredrik
Av organisationen
ReglerteknikTekniska högskolan
I samma tidskrift
IEEE Journal on Selected Topics in Signal Processing
Reglerteknik

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 814 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 906 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf