[发明专利]用于确定行人流的方法和系统

权利要求书

1.一种用于确定流的方法，该方法包括以下步骤：

用摄像头获取场景中的行人流的视频，其中，所述视频包括一组帧；

从所述一组帧提取运动向量；

根据所述一组帧中的所述运动向量构造数据矩阵；

根据所述数据矩阵，通过在最小二乘约束或总体最小二乘约束的情况下求解因子化的核范数最小化问题来确定低秩Koopman算子；

分析所述低秩Koopman算子的谱，通过奇异值分解和/或特征值分解来确定一组Koopman模式；以及

根据所述Koopman模式的k平均聚类或图谱聚类将所述一组帧划分成独立行人流，

并且，所述步骤在处理器中执行。

2.根据权利要求1所述的方法，其中，所述运动向量包括高斯分布噪声，并且所述方法还包括：

由Frobenius范数正则化项来使所述高斯分布噪声最小化。

3.根据权利要求1所述的方法，其中，所述运动向量包含稀疏异常值噪声，并且所述方法还包括：

由1范数正则化项使所述稀疏异常值噪声最小化。

4.根据权利要求1所述的方法，所述通过奇异值分解来确定一组Koopman模式包括：对所述低秩Koopman算子执行奇异值分解SVD来生成奇异向量；以及

所述根据所述Koopman模式的k平均聚类或图谱聚类将所述一组帧划分成独立行人流包括：对所述低秩Koopman算子的行空间奇异向量应用所述k平均聚类或所述图谱聚类。

5.根据权利要求1所述的方法，所述通过特征值分解来确定一组Koopman模式包括：

对所述低秩Koopman算子执行特征值分解来生成特征向量；

通过将所述数据矩阵投影到所述特征向量上来确定投影系数向量；

确定占优Koopman模式，作为所述低秩Koopman算子的在所述投影系数向量中具有大于阈值的幅值的所述特征向量；以及

所述根据所述Koopman模式的k平均聚类或图谱聚类将所述一组帧划分成独立行人流包括：通过对所述占优Koopman模式应用所述k平均聚类来确定片段。

6.根据权利要求1所述的方法，所述方法还包括：

通过选择正则化项使所述运动向量包含的噪声最小化，其中，所述正则化项用于所述噪声的分布并且从由Frobenius范数、欧几里得范数、绝对值和范数、1范数正则化项及其组合构成的组中选择。

7.根据权利要求1所述的方法，其中，所述一组帧包括空间块，并且所述方法还包括：

堆叠所述一组帧的所有所述空间块的水平运动向量和垂直运动向量来构造所述数据矩阵。

8.根据权利要求1所述的方法，其中，通过动态模式分解DMD来确定所述低秩Koopman算子。

9.根据权利要求1所述的方法，其中，各所述独立行人流中的运动被表征，并且所述方法还包括：

提取所述数据矩阵的行的子集；

通过将所述行的所述子集投影到所述一组Koopman模式上来确定投影系数向量；

确定所述低秩Koopman算子的与所述投影系数向量中的幅值大于阈值的条目关联的特征值；以及

根据所述特征值在复平面中的位置来表征描述所述独立行人流。

10.根据权利要求1所述的方法，其中，所述视频为压缩的比特流的形式。

11.根据权利要求10所述的方法，其中，在所述比特流中的块的级别下进行所述划分。

12.一种用于确定流的系统，该系统包括：

摄像头，该摄像头被配置为获取场景中的行人流的视频，其中，所述视频包括一组帧；和

处理器，该处理器连接到所述摄像头，被配置为从所述一组帧提取运动向量，根据所述一组帧中的所述运动向量构造数据矩阵，根据所述数据矩阵，通过在最小二乘约束或总体最小二乘约束的情况下求解因子化的核范数最小化问题来确定低秩Koopman算子，分析所述低秩Koopman算子的谱，通过奇异值分解和/或特征值分解来确定一组Koopman模式，并且根据所述Koopman模式的k平均聚类或图谱聚类将所述一组帧划分成独立行人流。