[发明专利]一种基于焓值分布熵的人群恐慌状态识别方法

说明书

本发明公开了一种基于焓值分布熵的人群恐慌状态识别方法，获取视频图像，计算图像的光流场，基于光流场对图像进行分割得到有效行人区域，计算有效行人区域焓值。对得到的有效行人区域焓值进行量化分级得到焓值的分布，并由此求取焓值分布熵。将计算得到的焓值分布熵作为特征输入，运用机器学习的逻辑回归分类方法；根据焓值分布熵的变化识别人群恐慌行为的发生。本发明具有设计合理，方便使用，操作简单，计算精确快速的特点。

技术领域

本发明涉及视频分析与图像理解领域，尤其是一种基于焓值分布熵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)基于机器学习的分析方法：

基于机器学习的分析方法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，提取人群的特征，继而对人群特征数据进行处理与分析。例如 Cong.等人提出的一种基于稀疏表示法的人群恐慌状态识别方法以及Wang.等人提出的通过图像纹理特征来定义恐慌场景等。在机器学习的分析方法中，智能算法在其中起着关键的作用。

(2)基于物理模型的分析方法：

基于物理模型的分析方法主要从宏观和微观的角度来分析，微观角度侧重于移动的个体或局部区域分析，个体或局部区域的速度、位置以及动作信息，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；而宏观角度侧重在人群的全局特征，比较常见的是运用统计学模型对人群的能量以及熵值进行分析。

焓是热力学中表征物理系统能量的一个重要状态参数，是体系的状态函数。当进行图像处理时，焓值可以用来描述像素粒子的状态，来表征粒子的运动的剧烈程度。信息熵可以用来描述一个系统的混乱。在图像处理领域，我们可以通过混乱度的变化来判断异常的发生。

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，而是用图像中的粒子代替行人来进行研究分析。

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、准确度高的基于焓值分布熵的人群恐慌状态识别方法。

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，计算图像的光流场，基于光流场对图像进行分割得到有效行人区域，计算有效行人区域焓值。

步骤2，对步骤1计算得到的有效行人区域焓值进行量化分级得到焓值的分布，并由此求取焓值分布熵。

步骤3，将步骤2中计算得到的焓值分布熵作为特征输入，运用机器学习的逻辑回归分类方法；根据焓值分布熵的变化识别人群恐慌行为的发生。

进一步的，步骤1中，计算有效行人区域焓值的具体方法如下：

焓的公式可表示为：

H＝U+pV (2)

式中，H代表系统的焓，U代表内部的能量，p代表压强，V代表系统的体积。为了计算一个光流场中的一个微小区域的粒子的焓值，我们用运动能量代替内部能量，因为人群恐慌行为一般反映在粒子运动的变化上。压强p可以由计算得到。式中，F代表压力，A代表面积。因此，焓值能用如下公式计算：