[发明专利]一种基于能级分布变化的人群异常检测方法

说明书

本发明公开了一种基于能级分布变化的人群异常检测方法，获取视频图像，将图像中每个像素点看成一个运动粒子，并根据粒子的速度以及质量信息，建立粒子的动能模型。根据动能模型求取视频中每个运动粒子的动能，并对动能进行量化分级得到粒子的能级分布，求得粒子能级共生矩阵。以共生矩阵的一致性、熵、对比度三个描绘子对图像中粒子的能级分布进行描述。通过分析三个参数的变化来分析人群行为，检测人群异常行为以及确定异常发生的时间，并进行报警提醒。本发明具有设计合理、应用广泛、计算快速准确等优点。

技术领域

本发明涉及视频分析与图像理解领域，尤其是一种基于能级分布变化的人群异常检测方法。

背景技术

近年来，发生在公共场合下的危害人民群众生命财产安全和危害社会秩序的事件日益增多。监控系统是一种维护公共场合下安全与秩序的有效方法，因此异常人群行为检测作为智能视频监控技术的一个研究热点吸引了越来越多人的关注。

目前，人群行为分析的方法主要分为两类。(1)微观分析：人群被看为个体的集合，因此需要检测和跟踪每个个体并通过个体目标的轨迹和姿态来识别人群行为，这类方法适合处理小规模稀疏人群，当人数众多且个体间相互遮挡时，难以精确定位目标；(2)宏观分析：将人群看作一个整体，从人群的全局外部表现入手分析其行为，通过提取场景特征对人群行为进行建模。如光流法是通过估算人群的速度信息来判断行人是否发生奔跑异常；社会力是通过计算两个粒子之间的吸引力以及排斥力的大小，用来作为判断人群是否异常的依据。

从研究现状来看，由于人群中的单个个体很难被直接识别出来，并且误差可能会非常大，因此大多数人在处理这个问题时通常不再对人群中单个个体进行识别统计，而是直接以图像中粒子代替行人来进行研究。但是由于摄像机的透视效应的影响，行人离摄像机远近所占有的粒子数是有差别的，如果只是以前景粒子的运动来完全代替行人运动是不公平的。

发明内容

本发明目的在于提供一种设计合理、计算简便快速、准确度高的基于能级分布变化的人群异常检测方法。

为实现上述目的，采用了以下技术方案：本发明所述方法步骤如下：

步骤1，获取视频图像，将图像中每个像素点看成一个运动粒子，并求取每个粒子的速度以及质量，建立粒子的动能模型；

步骤2，根据动能模型求取视频中每个运动粒子的动能，并对运动粒子动能进行量化分级得到粒子的能级分布，求取粒子能级共生矩阵；

步骤3，以共生矩阵的一致性、熵、对比度三个描绘子描述图像中粒子的能级分布；通过分析一致性、熵、对比度的变化来分析人群行为，检测人群异常行为以及确定异常发生的时间，并进行报警提醒。

进一步的，步骤1中，求取粒子质量的具体方法如下：

用矩形选取距离相机最近和最远的行人作为参考人并提取其前景，假设行人在场景中的面积为其前景图像所占像素的数目，令场景中参考人所占的面积为S；

式中，w、h分别为矩形的宽和高，M_ij∈{0,1},1表示前景，0表示背景；找到两个参考人质心所在位置，并过参考人的质心画一条水平线作为参考线；记距离摄像机近的参考线为记距离摄像机远的参考线为当一个人从运动到时，该人在场景中的面积的变化率如下式所示：

假设直线上像素的质量为m_ab＝1，直线上像素的质量m_cd＝1/k；若直线l_i，上的点距和的距离分别为d₁和d₂，其中，0≤i≤h,h为矩形的高，由线性插值法可知直线l_i上的粒子质量为：