[发明专利]基于视频分析的航站楼旅客常见聚集行为识别方法

权利要求书

1.一种视频场景中的聚集旅客区域分割的方法，其特征在于：包括如下步骤：

步骤S1：提取聚集旅客的相对距离阈值，其特征在于：所述步骤S1具体包括如下：

步骤S101：收集航站楼内各位置的聚集旅客图像数据集，并在这些图像上进行人工标注，标注出图像上的旅客聚集区域；

步骤S102：对标记后的图像进行灰度化、Gamma校正；

步骤S103：计算图像的HOG特征和LBP特征；

步骤S104：采用HOG_LBP行人检测器对标注区域的图像进行行人检测，检测出每个行人的区域；

步骤S105：检测结果中的行人都是以矩形框的形式标记出来，以每个行人矩形框的中心作为该行人的位置标识点，称为行人参考点，则当前样本区域内所有的行人参考点集合为P＝{p_i}，i＝1，...，n，n为参考点的个数，参考点pi在样本图像中为位置为{x_pi，y_pi}；

步骤S106：计算出该样本图像中所有行人参考点之间的相对平均距离，即行人的平均距离，其公式如下：

步骤S107：计算该样本区域内标记行人区域矩形框的宽度平均值：

步骤S108：得出该样本区域内的行人的相对平均聚集距离，计算公式如下：

即图像i的相对平均聚集距离阈值D_i，D_i＝Throshold；

步骤S109：计算采集到的所有聚集旅客图像中D_i，对这些值进行排序和统计，取90％位置(最常用的置信度)的值作为聚集旅客区域的阈值；

步骤S2：基于平均距离的聚集旅客区域分割方法，其特征在于：所述步骤S2具体包括如下：

步骤S201：对于当前采集到的视频场景图像，利用cookbook码本方法进行前景检测；

步骤S202：得到静止旅客和移动旅客的前景图像img₁，并在该前景图像img₁上采用HOG_LBP行人测器进一步进行检测，保留场景中的行人前景，去除掉前景中非行人的部分，得到只包含行人前景的图像img₂，以及行人参考点集合P＝{p_i}，i＝1，...，n，n为参考点的个数；

步骤S203：在前景图img₂上利用Lucas_Kanade光流法计算特征点的速度信息，HOG_LBP行人检测器在该图像上标识出了每个行人的矩形范围区域，形成了矩形区域集合Rect＝{rect_i}，i＝1，...，n，n为检测出的行人个数；

步骤S204：对于每个rect_i，统计属于其范围内的光流点，并以这些光流点的平均速度作为该行人的速度，也就是对应的行人参考点p_i的速度；

步骤S205：基于相对平均距离阈值采用DBSCAN算法对行人参考点集合P进行聚类，以步骤S1中得到的距离阈值D_i为连通参数，在聚类过程中，邻域可达的条件除了对于距离小于阈值外还应该考虑速度是不是相似，只有在距离可达、速度相似的条件下，才进行聚类扩展，其中速度相似性是指速度的大小相差不超过20％，速度的角度相差不大于90度角。

2.一种聚集旅客常见行为检测的方法，其特征在于：所述具体包括如下：

步骤S1：收集航站楼内四种常见的聚集旅客视频数据集，并具体标注出该场景中人群的聚集子区域和聚集行为类别，其中，该场景中人群的聚集子区域基于权利要求1所述的聚集旅客区域分割方法进行分割；

步骤S2：以聚集旅客子区域视频作为输入，聚集行为类别作为期望输出，利用VGG卷积神经网络提取人群聚集子区域的特征，进而训练获得常见旅客聚集行为分类器；

步骤S3：实时获得待分析的旅客场景视频，对其进行去噪声、增强等预处理操作，首先对视频进行人群前景分割，并利用基于权利要求1所述的聚集旅客区域分割方法获得若干个人群聚集子区域；然后，对每个人群聚集子区域进行归一化，并输入到已经得到的聚集人群行为分类器中，进而分析和识别出每个聚集人群子区域的旅客行为。