[发明专利]人群动态聚集特征提取方法

说明书

技术领域

本发明涉及一种人群动态聚集特征提取方法，尤其涉及一种利用监控视频获得人群动态聚集特征的方法，属于计算机智能监控技术领域。

背景技术

近几年来随着我国民航运输量的增加，机场群体性事件不断增多。根据有关资料，目前我国国内每年约有1000万人次以上的旅客遭遇航班延误，因航班延误造成旅客与航空公司冲突的事件呈激增趋势。仅以深圳机场为例，2002年全年航空旅客群体性事件33起，2005年发生41起，2007年猛增到94起，其影响不可小觑。若能对机场内部进行有效监控，对有可能发生群体性事件的人群进行及早预警，应急人员及时采取相应措施,缓解旅客情绪，阻止人群继续扩大并且疏导非正常聚集人群，保证机场安全有序运行，将事态控制在最小范围。

我国对于视频监控系统的研究已有很多，如宋绍锋、黄鹰将机场监控系统与报警集成、智能化集成，以及与应用系统集成，提高了视频监控系统的使用和管理效率。王晓玲、王猛利用Winsock控件解决基于Web的实时数据传输，完全实现了视频信息的采集、编码、存贮的计算机化和视频信息的网上实时传输及云台、镜头等的计算机实时控制。周平、汪亚明等人联合提出一种新的基于宏块特征量化的视觉自适应实时监控方法，实现对安全防范中闯入类的有效监控，且目标跟踪快捷稳定，具有较高的工程实用价值。刘富强，卢赤班通过图象分析实现远程自动探测和报警、控制，使电视监控更具智能化。吕秋云、张公礼针对目前网络视频监控系统中的一个部分—报警子系统，提出其设计方案，并给出了报警子系统开发的建议。陈冬冬、张曼琳等人结合了某市大型地铁项目，把相关设备深度集成到监控系统中来，使视频分析系统更加智能化的同时提高了监控系统的精确度和整体可控度。

综合前人研究发现视频监控系统发展较为成熟，目前已应用到很多行业，但用于群体性事件预警的研究还比较缺乏，而且基于视频监控的群体性事件预警研究主要依据人群的密度进行预警，未能充分考虑人群聚集的其他外部特征，如人群聚集形状、人群移动速度、人群的增长速度等，因而当前的预警方法通常会存在很大的误警率和漏警率。有必要寻找一种能够获得人群聚集形状、人群移动速度、人群的增长速度等人群聚集特征的新的人群动态聚集特征提取方法，从而为人群非正常聚集的分析、预警提供更准确的依据。

发明内容

本发明所要解决的技术问题在于克服现有技术不足，提供一种人群动态聚集特征提取方法，除人群密度以外，还能对人群聚集形状、人群移动速度、人群的增长速度等人群聚集特征进行更准确有效的提取，进而提高人群聚集特征分析的可靠性。

本发明的人群动态聚集特征提取方法，包括以下步骤：

步骤A、对目标视频进行分割，得到一组连续的图像帧；

步骤B、对各图像帧进行前景检测，得到二值化前景检测结果；

步骤C、将各图像帧进行分块，并根据各图像块中前景像素在所在块的总像素中所占比例的高低将图像块分为高人群密度图像块和低人群密度图像块；对于低人群密度图像块，进行人头检测，并利用所检测出的每个人头的质心所在点表示相对应的人头；对于高人群密度图像块，基于图像纹理特征估计图像块中的总人数，用相同数量的点表征这些人，并将这些点平均分布于所在图像块；

步骤D、对各图像帧分别进行网格化处理；以网格中表征人的点数大于一预设阈值的网格作为高密度网格，并以各高密度网格作为中心，按照预设的邻近网格阈值，查找其邻近网格，每个高密度网格及其邻近网格构成一个局部计算区域，从而确定一系列局部计算区域；

步骤E、对于每一个局部计算区域，对该区域内的所有表征人的点进行基于核密度的空间聚类，聚类得到的每一个簇表征一个人群，进而得到相应的人群聚集形状、密度分布特征；

步骤F、利用质心运动跟踪的方法，确定各人群聚集形状、密度分布的变化、聚集人群的移动特征以及人群规模的增长速度变化趋势。

优选地，所述前景检测使用基于YCbCr色彩空间的码书模型。

优选地，所述根据各图像块中前景像素在所在块的总像素中所占比例的高低将图像块分为高人群密度图像块和低人群密度图像块，具体是以40%作为阈值，当前景像素在所在块的总像素中所占比例小于该阈值，则为低人群密度图像块；否则，为高人群密度图像块。

优选地，对低人群密度图像块，使用基于样本非对称性的AdaBoostSVM人头检测方法进行人头检测。

优选地，步骤E中所述基于核密度的空间聚类为DENCLUE聚类算法。

优选地，所述DENCLUE算法中的核密度函数为高斯核密度函数。