[发明专利]地理环境下的群体行为模式分析与异常行为检测方法

说明书

技术领域

本发明涉及一种地理环境下的群体行为模式分析与异常行为检测方法，具体说，是一种利用视频数据在地理环境下对人群运动状态进行分析，并可在地理环境下检测相关群体异常行为的方法。

背景技术

随着社会经济的快速发展，娱乐活动、展览活动、体育赛事等大规模人群聚集活动频繁出现，人群过于聚集时常导致拥挤踩踏等突发事件。视频本身兼具时空、表达直观、信息丰富、动态实时等特点，近年来，监控探头已遍布城市的各个角落，利用视频监控进行群体行为理解已成为研究热点。因此，利用视频数据实时监控人群的行为模式，可较好把握人群流动发展态势，为安防部门有效管理人群提供科学依据。

群体行为理解指通过人群分析对人群的运动模式与规律进行分析与识别，近年来已成为被广泛关注的研究热点。人群行为理解研究一般遵循运动特征提取与描述、行为识别、高层行为与场景理解等基本流程（Video understanding framework for automatic behavior recognition,Behavior Research Methods Journal,2006,38(3):416-426;基于视频的行为自动识别框架，行为研究方法杂志，2006年，第38卷第3期，416-426）。运动特征提取与描述是在对动态目标检测、分类与跟踪的基础上，利用图像的相关特征描述目标的运动特征信息；行为识别是利用图像序列提取目标的运动特征，并将其与参考图像序列的特征进行匹配，根据匹配结果分析动态目标的行为模式；高层行为与场景理解是将行为模式的相关知识与场景信息相结合，判断人群的复杂行为模式，从而实现对时间与场景的理解。对于特定环境下的人群，通常利用主要方向、速度、异常运动等信息检测人群异常行为。近年来，国内外学者提出了很多用于人群分析与理解的方法，总体来讲，可将其划分为基于人群个体分析和人群整体分析两种方法。

基于人群个体的分析方法是通过分割或检测人群中的个体，并对个体间的运动模式进行分析实现对人群行为的理解。如若存在某个行人的运动方向与人群运动主方向相反，则可判断存在潜在危险。Bobick等提出利用模板匹配法识别人体运动，模板匹配法首先对输入图像序列进行特征提取，并将提取的特征与训练阶段预先保存的模板进行相似度比较，将与测试序列距离最小的模板所属类别，作为被测试序列的识别结果（The recognition of human movement using temporal templates,IEEE Transactions on Pattern Analysis and Machine Intelligence,2001,23(3):257-267；基于时间模板的人体运动识别，模式分析与机器智能（IEEE Transactions），2001年，第23卷第3期，257-267）。Jacques等提出了一种利用计算机视觉技术主动/被动式人群检测与分类算法，采用Voronoi图对俯视摄像机的监控场景进行人群个体跟踪，定量化描述个体空间这一社会学概念（Understanding people motion in video sequences using voronoi diagrams,Pattern Analysis&Applications,2007,10(4):321-332;序列视频中利用Voronoi图的人体运动理解，模式分析与应用，2007年，第10卷第4期，321-332）。Cheriyadat等利用光流技术提取场景中的人群运动场，通过聚类分析挖掘出了运动轨迹与人群主体运动方向，并实现了对与主体运动方向不一致的异常行为检测（Detecting dominant motions in dense crowds,IEEE Journal of Selected Topics in Signal Processing,2008,2(4):568-581；稠密人群的主体运动检测，信号处理IEEE杂志精选，2008年，第2卷第4期，568-581）。Wang等提出了基于非监督学习的复杂场景中人群行为与相互作用建模方法，可用于检测监控场景中的异常行为，可将人群运动分割为不同类型的行为状态等。基于个体的分析方法只适用于低密度人群场景，对于人群密度较高的监控场景，由于遮挡与重叠等现象，采用基于个体分析方法无法实现对人群行为的分析与理解（Unsupervised activity perception in crowded and complicated scenes using hierarchical Bayesian models,IEEE Transactions on Pattern Analysis and Machine Intelligence,2009,31(3):539-555;拥挤复杂场景下基于层次贝叶斯模型的非监督行为识别，模式分析与机器智能（IEEETransactions），2009年，第31卷第3期，539-555）。