[发明专利]一种人群聚集区域检测方法和装置

说明书

技术领域

本发明涉及安防领域，尤其涉及一种人群聚集区域检测方法和装置。

背景技术

随着社会经济的高速发展，我国的城市化进程不断推进，城市的人口数量越来越多，城市的公共交通、生活设施等区域经常会迎来短期的人流高峰，人群的高度拥挤带来了一些安全隐患，若不能得到及时有效疏散，容易造成重大事故，例如践踏等危险事故。同时，人口数量的急剧增长，也容易导致一些群体事件发生，例如聚众闹事，群殴打架等，对城市的治安造成较大的威胁。

为了及时发现突发的人群聚集事件，引入了视频监控系统。但是，传统的视频监控系统由人工轮岗来监视，由于监控点比较多，工作人员较少，使得很多人群聚集事件没有被及时发现。同时，人眼在长时间盯着监控屏幕后极容易导致视觉疲劳，使注意力下降。随着计算机视觉技术的不断发展和应用，已经可以利用计算机技术代替人眼和人脑，来自动分析人群聚集事件。

目前，利用计算机视觉技术的人群聚集区域检测方法有两种：(1)基于人群像素统计的方法，该方法通过背景相减的方法来提取运动的前景人群，并统计人群占据的像素数目来判断是否发生聚集事件，该方法的优点是方法简单、处理速度快，但是在人群拥挤时，存在非常严重的重叠现象，导致行人计数存在较大误差；并且，由于外面因素的干扰，要想获取一个稳定的背景非常困难，这直接影响到前景的精确提取；同时，如果场景中的人群没有运动，这直接导致背景获取失败，不能检测到人群聚集。(2)基于人群纹理信息的方法，该方法将人群分为低、中、高密度，低密度人群在纹理上表现为粗模式，高密度人群在纹理上表现为细模式，该方法在背景比较单一场景下效果较好，但在场景复杂、人群比较稀疏的情况下，误报较多，容易将其判为人群密集的情况。

此外，上述两种检测方法都需要人工在监控画面中设置固定区域来检测人群聚集，而不能自动检测人群聚集的位置。

发明内容

有鉴于此，本发明要解决的技术问题是提供一种人群聚集区域检测方法和装置，以解决需要人工在监控画面中设置固定区域、且误报较多的技术问题。

本发明解决上述技术问题所采用的技术方案如下：

根据本发明的一个方面，提供的一种人群聚集区域检测方法包括：

采样输入的视频图像并进行预处理，得到灰度图；

利用预设的多尺度矩形窗口遍历灰度图，并采用分类器粗定位人群密集区域；

当存在人群密集区域时，根据人群密度对人群密集区域进行精细定位人群聚集区域。

优选地，利用预设的多尺度矩形窗口遍历灰度图，并采用分类器粗定位人群密集区域进一步包括：

针对每一个预设尺度的矩形窗口，将其在灰度图上滑动，获取被矩形窗口覆盖的子图像的集合；

提取每个子图像的HOG特征；

采用Adaboost级联分类器对每个子图像的HOG特征进行分类，得到人群密集候选区域；

将人群密集候选区域进行融合，得到人群密集区域。

优选地，提取每个子图像的HOG特征进一步包括：

利用梯度算子提取子图像的水平方向和垂直方向的梯度；

计算每个像素的梯度大小和梯度方向；

将子图像分成至少两个单元格，在每个单元格内建立梯度方向直方图；

将相邻的单元格组成一个块，将一个块内所有单元格的特征向量串联起来，并进行归一化处理，得到该块的特征；

将该子图像的所有块的特征串联，得到该子图像的HOG特征。

优选地，根据人群密度对粗定位的人群密集区域进行精细定位人群聚集区域进一步包括：

根据人群密集区域的位置，从输入的彩色图像中截取对应的人群密集区图像；

将人群密集区图像缩放到预设的大小，并转换为灰度图像，得到人群密集区灰度图；

利用傅里叶变换将人群密集区灰度图转换到频率域，得到人群密集区傅立叶频谱图；

计算人群密集区傅立叶频谱图的傅立叶频谱特征，并采用分类器进行人群密度等级分类；

记录人群密度分类结果为高密度的区域位置，输出人群聚集区域。

优选地，计算人群密集区傅立叶频谱图的傅立叶频谱特征，并采用分类器进行人群密度等级分类进一步包括：

计算人群密集区傅立叶频谱图的熵特征、能量特征和极坐标傅立叶频谱特征描述子；

采用BP神经网络分类器对熵特征、能量特征和极坐标傅立叶频谱特征描述子进行人群密度等级分类。

优选地，计算极坐标傅立叶频谱特征描述子包括以下维度：