[发明专利]一种基于方向-集群性模型的人群逃散事件检测方法及系统

权利要求书

1.一种基于方向-集群性模型的人群逃散事件检测方法，其特征在于，包括：

步骤(1)：从人群监控视频中提取运动轨迹从而得到轨迹坐标矩阵，进而通过轨迹坐标矩阵计算出运动轨迹上运动粒子的速度和方向；

步骤(2)：基于运动粒子的速度以及方向的无序性，建立表征人群的运动状态的方向-集群性模型；

步骤(3)：根据方向-集群性模型来计算每帧人群监控视频的方向-集群性指数，方向-集群性指数越大表示人群集群度越低，人群运动方向越混乱；

步骤(4)：从得到的所有方向-集群性指数中自适应提取事件检测阈值，再通过事件检测阈值与每一帧人群监控视频的方向-集群性指数相比较，最终检测出人群监控视频的人群逃散事件；

所述步骤(4)中从得到的所有方向-集群性指数中自适应提取阈值的过程包括：

步骤(4.1)：初始化阈值，设定初始阈值为包含每帧人群监控视频方向-集群性指数的矩阵中最大值与最小值的平均数；

步骤(4.2)：对人群监控视频帧进行分类，将大于初始阈值的帧数归为异常帧，小于或等于初始阈值的帧数归为正常帧；

步骤(4.3)：分别计算归类后的正常帧与异常帧方向-集群性指数的平均值和

步骤(4.4)：更新阈值，使得更新后的阈值为和的平均值；

步骤(4.5)：重复以上步骤直至阈值不再变化，得到事件检测阈值。

2.如权利要求1所述的一种基于方向-集群性模型的人群逃散事件检测方法，其特征在于，在所述步骤(2)建立表征人群的运动状态的方向-集群性模型的过程中：

首先，将人群中的运动粒子与其相邻运动粒子间的行为相似性定义为集群性，并利用运动粒子的路径拓扑结构来估计行为相似性，得到集群性特征；

然后，在集群性特征的基础上，利用运动粒子的方向信息来表征人群逃散事件发生时人群运动方向的无序性；

最后，将集群性特征以及方向信息两者进行特征融合得到方向-集群性特征，得到表征人群的运动状态的方向-集群性模型。

3.一种基于方向-集群性模型的人群逃散事件检测系统，其特征在于，包括：

运动粒子状态计算模块，其用于从人群监控视频中提取运动轨迹从而得到轨迹坐标矩阵，进而通过轨迹坐标矩阵计算出运动轨迹上运动粒子的速度和方向；

方向-集群性模型建立模块，其用于基于运动粒子的速度以及方向的无序性，建立表征人群的运动状态的方向-集群性模型；

方向-集群性指数计算模块，其用于根据方向-集群性模型来计算每帧人群监控视频的方向-集群性指数，方向-集群性指数越大表示人群集群度越低，人群运动方向越混乱；

方向-集群性指数比较模块，其用于从得到的所有方向-集群性指数中自适应提取事件检测阈值，再通过事件检测阈值与每一帧人群监控视频的方向-集群性指数相比较，最终检测出人群监控视频的人群逃散事件；

所述方向-集群性指数比较模块包括事件检测阈值自适应提取模块，所述事件检测阈值自适应提取模块包括：

初始化阈值模块，其用于初始化阈值，设定初始阈值为包含每帧人群监控视频方向-集群性指数的矩阵中最大值与最小值的平均数；

人群监控视频帧分类模块，其用于对人群监控视频帧进行分类，将大于初始阈值的帧数归为异常帧，小于或等于初始阈值的帧数归为正常帧；

方向-集群性指数平均值计算模块，其用于分别计算归类后的正常帧与异常帧方向-集群性指数的平均值和

阈值更新模块，其用于更新阈值，使得更新后的阈值为和的平均值，直至阈值不再变化，得到事件检测阈值。

4.如权利要求3所述的一种基于方向-集群性模型的人群逃散事件检测系统，其特征在于，所述方向-集群性模型建立模块包括：

集群性特征获取模块，其用于将人群中的运动粒子与其相邻运动粒子间的行为相似性定义为集群性，并利用运动粒子的路径拓扑结构来估计行为相似性，得到集群性特征；

人群运动方向的无序性表征模块，其用于在集群性特征的基础上，利用运动粒子的方向信息来表征人群逃散事件发生时人群运动方向的无序性；

特征融合模块，其用于将集群性特征以及方向信息两者进行特征融合得到方向-集群性特征，得到表征人群的运动状态的方向-集群性模型。