CN104778447B - 一种基于网格单元特征的人群聚集行为检测方法 - Google Patents

Abstract

一种基于网格单元特征的人群聚集行为检测方法。其包括：对视频输入采用混合高斯模型提取出人群前景；对人群前景采用进行中值滤波处理；将人群前景划分成以m*m像素矩形单元格为最小单位的网格；对上述网格中的每一个单元格进行前景像素统计，得到网格单元特征图；对网格单元特征图中单元格特征值为1的单元格数量进行统计；以搜索框对网格单元特征图进行全局搜索，计算二维概率密度；计算二维联合分布熵；计算出人群聚集行为参考指数；对人群聚集行为进行判断,若G＞Go，表明发生人群聚集行为并进行告警。本发明方法能够有效地对人群聚集行为进行检测，可广泛应用于广场、车站、机场等公共安全需求较高的公共场所。

Description

一种基于网格单元特征的人群聚集行为检测方法

技术领域

本发明属于智能视频监控技术领域，特别是涉及一种基于网格单元特征的人群聚集行为检测方法。

背景技术

近年来，随着***件频繁发生，公共安全面临着巨大的挑战，人群行为分析越来越受到人们的关注，但是目前大部分研究主要集中在人群发生剧烈异常行为方面，而对一些不明显的异常行为研究较少，比如人群聚集行为，事实表明，人群聚集以后会伴随着其他的一些暴力事件，诸如群殴，所以对人群聚集行为的研究具有重要意义。但由于实际当中人群场景复杂多变，因此人群聚集行为的理解也具有模糊性。

中国发明专利第201410051592.X号中公开了一种人群动态聚集特征的提取方法。中国发明专利第201210071625.8中公开了一种基于特征点聚类的人群聚集检测方法。中国发明专利第201310676785.X中公开一种基于角点凸包的人群聚集检测方法。但这些方法均存在检测准确率不高，鲁棒性差的缺点。

发明内容

为了解决上述问题，本发明的目的在于提供一种基于网格单元特征的人群聚集行为检测方法。

为了达到上述目的，本发明提供基于网格单元特征的人群聚集行为检测方法包括按顺序进行的下列步骤：

1)对视频输入采用混合高斯模型提取出人群前景；

2)对上述得到的人群前景采用中值滤波器进行中值滤波处理；

3)将步骤2)得到的经过中值滤波处理后的人群前景划分成以m*m像素矩形单元格为最小单位的网格，其中m*m为每一个单元格的面积，并对每一个单元格进行编号；

4)对上述网格中的每一个单元格进行前景像素统计，若前景像素数大于令此单元格的特征值F(i,j)＝1,否则为0，其中i,j分别代表单元格的横纵坐标值，i∈(1,w/m),j∈(1,h/m),w,h分别为图像的宽高，得到一个由0与1组成的网格单元特征图；

5)对上述网格单元特征图中单元格特征值为F(i,j)＝1的单元格数量进行统计而得到S；

6)以4m*4m大小的搜索框对上述网格单元特征图进行全局搜索，统计出每一个搜索框内单元格特征值F(i,j)＝1的单元格数量而得到N,然后计算每一个搜索框的二维概率密度其中N为搜索框中单元格特征值为1的个数，S为网格单元特征图中所有单元格特征值为1的个数，w,h为视频图像的宽高；

7)根据步骤6)得到的结果计算二维联合分布熵x∈(1,w/4m),y∈(1,h/4m)；

8)根据步骤5)中得到的网格单元特征图中所有单元格特征值为1的个数S和步骤7)中得到的二维联合分布熵H计算出人群聚集行为参考指数

9)对人群聚集行为进行判断,若G>Go，G₀表示人群聚集阈值，表明发生人群聚集行为并进行告警。

在步骤3)中，所述的每一个单元格的面积m*m＝30。

本发明提供的基于网格单元特征的人群聚集行为检测方法主要用于分析人群同时出现在同一地点的聚集行为，例如在广场举行的示威抗议活动等，如果能及时检测并告警，相关部门就可以及时采取相应的预防措施，以免事态进一步发展扩大，从而引发一些不可控制的暴力事件。本方法能够有效地对人群聚集行为进行检测，可广泛应用于广场、车站、机场等公共安全需求较高的公共场所。

附图说明

图1为本发明提供的基于网格单元特征的人群聚集行为检测方法流程图。

图2为本发明中视频输入图片。

图3为本发明中人群前景图片。

图4网格单元划分示意图。

图5为本发明中以m*m像素矩形单元格为最小单位的网格。

图6为本发明中网格单元特征图。

图7为本发明中利用搜索框统计二维概率密度图。

具体实施方式

下面结合附图和具体实施例对本发明提供的基于网格单元特征的人群聚集行为检测方法进行详细说明。

如图1所示，本发明提供的基于网格单元特征的人群聚集行为检测方法包括按顺序进行的下列步骤：

1)对视频输入采用混合高斯模型提取出人群前景；

首先对如图2所示的视频输入采用混合高斯模型提取出如图3所示的人群前景。

2)对上述得到的人群前景采用中值滤波器进行中值滤波处理；

3)将步骤2)得到的经过中值滤波处理后的人群前景按图4所示的网格划分得到图5所示的以m*m像素矩形单元格为最小单位的网格，其中每一个单元格的面积m*m＝30，并对每一个单元格进行编号；

4)对上述网格中的每一个单元格进行前景像素统计，若前景像素数大于即超出单元格面积的一半，令此单元格的特征值F(i,j)＝1,否则为0，其中i,j分别代表单元格的横纵坐标值，i∈(1,w/m),j∈(1,h/m),w,h分别为图像的宽高，这样就得到一个如图6所示的由0与1组成的网格单元特征图；

5)对上述网格单元特征图中单元格特征值为F(i,j)＝1的单元格数量进行统计而得到S；

6)如图7所示，以4m*4m大小的搜索框对上述网格单元特征图进行全局搜索，统计出每一个搜索框内单元格特征值F(i,j)＝1的单元格数量而得到N,然后计算每一个搜索框的二维概率密度其中N为搜索框中单元格特征值为1的个数，S为网格单元特征图中所有单元格特征值为1的个数，w,h为视频图像的宽高；一般将搜索框的大小设置为包围人群聚集时前景的大小；

7)根据步骤6)得到的结果计算二维联合分布熵x∈(1,w/4m),y∈(1,h/4m)，通过二维联合分布熵H来反映人群聚集的程度；

8)根据步骤5)中得到的网格单元特征图中所有单元格特征值为1的个数S和步骤7)中得到的二维联合分布熵H计算出人群聚集行为参考指数

监控场景下行人数目越多，前景面积越大(不存在严重遮挡的情况)，网格单元特征图中单元格特征值为1的个数S越大。在个数S相同的情况下，人群越聚集，二维联合分布熵H越小，同时遮挡越严重，引入遮挡因子，用c来表示，可知c与H的关系可以表示为：k为常数。基于上面的发现提出表示人群聚集程度的人群聚集行为参考指数：由于进一步可以得到人群聚集行为参考指数：

9)对人群聚集行为进行判断,若G>Go，G₀表示人群聚集阈值，其值大小可通过对大量数据的测试结果统计分析得到，表明发生人群聚集行为并进行告警。

本发明人通过对PETS09人群数据集进行测试，证明本发明方法具有很好的效果。

Claims (2)

1.一种基于网格单元特征的人群聚集行为检测方法，其特征在于：其包括按顺序进行的下列步骤：

1)对视频输入采用混合高斯模型提取出人群前景；

2)对上述得到的人群前景采用中值滤波器进行中值滤波处理；

3)将步骤2)得到的经过中值滤波处理后的人群前景划分成以m*m像素矩形单元格为最小单位的网格，其中m*m为每一个单元格的面积，并对每一个单元格进行编号；

4)对上述网格中的每一个单元格进行前景像素统计，若前景像素数大于令此单元格的特征值F(i,j)＝1,否则为0，其中i,j分别代表单元格的横纵坐标值，i∈(1,w/m),j∈(1,h/m),w,h分别为图像的宽高，得到一个由0与1组成的网格单元特征图；

5)对上述网格单元特征图中单元格特征值为F(i,j)＝1的单元格数量进行统计而得到S；

6)以4m*4m大小的搜索框对上述网格单元特征图进行全局搜索，统计出每一个搜索框内单元格特征值F(i,j)＝1的单元格数量而得到N,然后计算每一个搜索框的二维概率密度其中N为搜索框中单元格特征值为1的个数，S为网格单元特征图中所有单元格特征值为1的个数，w,h为视频图像的宽高；

7)根据步骤6)得到的结果计算二维联合分布熵

8)根据步骤5)中得到的网格单元特征图中所有单元格特征值为1的个数S和步骤7)中得到的二维联合分布熵H计算出人群聚集行为参考指数

9)对人群聚集行为进行判断,若G>Go，G₀表示人群聚集阈值，表明发生人群聚集行为并进行告警。

2.根据权利要求1所述的基于网格单元特征的人群聚集行为检测方法，其特征在于：在步骤3)中，所述的每一个单元格的面积m*m＝30。