[发明专利]一种大规模人群显著性区域检测方法

权利要求书

1.一种大规模人群显著性区域检测方法，其特征在于：包括如下步骤：

步骤1，经过光流算法对视频序列帧图像进行处理，得到一系列能清楚展现人群运动流向的规整的二维人群速度矢量场；

步骤2，将二维人群速度矢量场中每一个速度矢量看作节点，基于速度矢量点积公式求取速度矢量的夹角，并用该值定量评估节点之间的关联程度，构造描述人群行为的加权复杂网络模型；

步骤3，通过对加权复杂网络模型的特征参数进行分析，构建特征矩阵；通过分析特征矩阵中特征参数的变化来分析人群行为，检测大规模人群场景中显著性区域；

所述步骤2的具体包括如下步骤：

步骤2.1，将二维人群速度矢量场中每一个速度矢量看作节点，速度矢量间的关系视为连边；

任选一个速度矢量以该速度矢量为中心选取一个邻域δ，邻域大小为(x₀±ε,y₀±ε)，速度矢量与邻域内其他速度矢量q_xy的连边关系由公式(1)判定：

E＝{e₁,e₂,…,e_m}为节点与节点之间有关联的边的集合，θ_T是角度阈值，θ为速度矢量的夹角，可由速度矢量点积公式求得：

遍历每一个速度矢量，重复上述步骤；

步骤2.2，将人群速度矢量场中速度矢量之间夹角值作为两速度矢量间连边上的权重，选用邻接矩阵定量评估节点之间的关联程度，构造描述该人群行为的加权复杂网络模型；

由速度矢量点积公式求得θ，继而便可得到连边上的权重：

we＝θ (3)

人群行为的加权复杂网络G^w(V,E,we)中节点与节点之间的连接关系，以及节点之间关联程度可用邻接矩阵A来表示：

其中，V表示构建的人群加权复杂网络的所有节点构成的节点集合，w表示加权网络所有节点之间连边的权重构成的集合，G^w表示构建的加权网络模型。

2.根据权利要求1所述的一种大规模人群显著性区域检测方法，其特征在于，步骤3中构建特征矩阵的具体步骤如下：步骤3.1，选取加权复杂网络节点强度作为加权网络特征参数，来描述人群行为；

加权复杂网络节点强度集成了节点本身与其他节点连接的边数和强度信息，加权复杂网络中任意节点v_i的节点强度s(v_i)为：

其中n为加权网络中节点的总个数，若节点v_j(j≠i)属于节点v_i所在的邻域，则θ_ij为节点v_i与节点v_j(j≠i)间的夹角值；若节点v_j(j≠i)不属于节点v_i所在的邻域，则θ_ij在邻接矩阵A中用零表示；随后得到了加权复杂网络节点强度场S(M,N)，即二维特征矩阵，M和N是二维特征矩阵的行数和列数，节点强度场的大小与人群速度矢量场的大小一致：

步骤3.2，采用区间上的相对位置对加权复杂网络节点强度场S(M,N)归一化；

采用区间上的相对位置来归一化，归一化后的节点强度场表示为：

S_max和S_min分别是节点强度场(6)中节点强度的最大值和最小值。