基于LGMD的视觉神经网络用于检测人群逃逸行为

在公共场所有效地检测人群逃生行为是计算机视觉的一个挑战。尽管近年来对这种检测进行了一些研究,但没有完整的解决方案能够满足当前的应用需求。 这项工作开发了一种改进的神经网络,可以检测视频监控系统中呈现的人群逃逸行为。 在神经网络中,首先收集由人群活动引起的亮度变化。 其次,根据哺乳动物视网膜视觉信息整合的启发,将每个图像像素收集的激励与来自相关邻域的延迟激励按特定比例混合;最后,采用独特的自适应阈值方案旨在调节神经网络的放电激励,以感知人群逃逸的过程。 实验已经证明,基于人群逃逸事件的公共视频数据集,神经网络对于检测人群逃逸行为是有效的。