[发明专利]一种通过视频监控进行骚乱检测的方法

权利要求书

1.一种通过视频监控进行骚乱检测的方法，其特征在于：

(1)首先通过计算相邻两帧图像间的光流确定人群运动的速度场，并对其进行光滑滤波，为介观小团体聚类提供可靠的微观运动信息；

(2)进而，采用DBSCAN算法进行密度聚类，将人群行为分为不同的行为类别，并将位置近邻、速度差异较小的运动模式合并为一个小团体类别，将微观运动场定位到介观层面进行分析；

(3)最后，根据速度大小将速度场特征空间划分为正常区域和异常区域，将聚类中心落在异常区域且滞留时间较长的类别视为异常行为，同时将速度场坐标映射到图像坐标系，确定异常发生的区域。

2.根据权利要求1所述的通过视频监控进行骚乱检测的方法，其特征在于：步骤(1)的具体实现方法进一步包括以下步骤：

(11)建立视频缓窗口，从视频中提取图像，在该窗口内缓存3帧图像，以进行后续异常事件检测，运用Horn-Schunck光流法分别计算出前两帧图像和后两帧图像的光流场[u，v]：

其中，和为u和v的局部邻域平均值；n为迭代次数；光流场的初始估计值取值为零；权重系数α为控制光滑度的参数。

(12)利用计算出的光流场计算光流矢量A：

(13)提取阈值g，根据阈值g计算出二值图像：

(14)令C＝B₁+B₂，A₃＝A₁+A₂，提取阈值q，根据阈值q计算出二值图像：

(15)利用计算出的二值图像C进行形态学处理，先膨胀，再腐蚀，最后开运算，得到C2。

3.根据权利要求2所述的通过视频监控进行骚乱检测的方法，其特征在于：步骤(2)中运用DBSCAN算法进行密度聚类，算法流程如下：

输入：样本集D＝(x₁，x₂，...，x_m)，邻域参数(Eps，MinPts)，

输出：簇划分C，

初始化核心对象集合初始化聚类簇数k＝0，初始化未访问样本集合Γ＝D，簇划分

对于j＝1,2,…m，按下面的步骤找出所有的核心对象：

通过距离度量方式，找到样本x_j的Eps邻域子样本集Neps(xj)，

如果子样本集样本个数满足|N_eps(x_j)|≥MinPts，将样本x_j加入核心对象样本集合：

Ω＝Ω∪{x_j}

如果核心对象集合则算法结束，否则转入步骤(14)；

在核心对象集Ω中，随机选择一个核心对象O，初始化当前簇核心对象队列Ωcur＝{O}，初始化类别序号k＝k+1，初始化当前簇样本集合Ck＝{O}，更新为访问样本集合Γ＝Γ-{O}；

如果当前簇核心对象队列则当前聚类簇Ck生成完毕，更新簇划分C＝{C1，C2，…，Ck}，更新核对象集合Ω＝Ω-C_k，转入步骤(13)；

在当前簇核心对象队列Ωcur中抽取一个核心对象O，，通过邻域距离阈值Eps找出所有的Eps邻域子样本集N_eps(O′)，令Δ＝N_eps(O′)∩Γ，更新当前簇样本集合C_k＝C_k∪Δ，更新未访问样本集合Γ＝Γ-Δ，转入步骤(15)。